«Если вы не попытаетесь сделать что-то сверх того, что вы уже освоили, вы никогда не вырастете». - Рональд Э. Осборн.

Искусственный интеллект и машинное обучение - последняя горячая тема, и кажется, что из-за того, что вокруг него много шумихи в СМИ, вам понадобится огромное количество квалификации и опыта, чтобы начать работу. Под всей этой шумихой искусственный интеллект и машинное обучение используют те же основы, что и все языки программирования, базовую математику и навыки решения проблем. Как только вы поймете, что это не так таинственно и пугающе, как кажется, вы скоро обнаружите, что способны начать заниматься искусственным интеллектом, даже если вы не знаете, с чего начать. Вот тут-то и пригодится этот блог.

Прежде чем мы углубимся в подробности того, как начать работу с ИИ, сделаем краткое введение.

Я инженер-программист в Kainos, работаю в отделе прикладных инноваций, и последние 8 недель я был одним из наставников AI Camp. Мое путешествие с ИИ началось в первом в истории AI Camp в прошлом году в Белфасте и расширилось, где в этом году у меня была возможность спланировать и провести AI Camp 2018.

Теперь поговорим о некоторых советах по началу работы с ИИ. Это моменты, которые я обнаружил за время работы с другими студентами, которые больше всего помогают, когда начинаю работать в обширной области искусственного интеллекта и машинного обучения.

Начни с малого

Когда вы начинаете думать об искусственном интеллекте и машинном обучении, возникает неправильное представление о том, что у вас будет высокоточная модель и идеальный готовый продукт после короткого времени работы над ним. Лучшее, с чего начать, если новичок, - это самая маленькая часть кода или проекта; мы все хотим создать идеальное предсказание и модель, но это требует времени, поэтому любая небольшая точность, хорошая или плохая, - это шаг в правильном направлении. Начните с того, чтобы получить что-то и понять, почему вы получаете этот результат, прежде чем уточнять и настраивать свой код, чтобы сделать его лучше.

Используйте инструменты, чтобы облегчить себе жизнь

Когда вы впервые в Google «начинаете работать с ИИ», на экран наводняется куча статей и блогов, но они часто технически тяжелы или просто бросают вам код с минимальными объяснениями. Есть несколько отличных инструментов для начинающих, таких как платформа Microsofts Azure Machine Learning Studio, которая является бесплатной и позволяет пользователям создавать и обучать модели из предварительно загруженных наборов данных; Начав здесь, вы получите отличный визуальный способ понять модели и наборы данных, не касаясь кода. По мере того, как вы переходите к большему количеству кодирования и сложным моделям, бывают моменты, когда вы, возможно, настраиваете модель и забываете код, который дал вам лучший результат. Такие инструменты, как Comet ML, позволяют графически видеть производительность ваших моделей и показатели, которые вы использовали, чтобы вы могли оглядываться на модели, которые вы обучили, и сохранять их в одном месте.

Разберитесь в своих данных

Наличие данных является ключом к возможности начать машинное обучение, но наиболее важной частью является понимание того, какие данные у вас есть. Когда вы создаете модель, тренируете ее на своем наборе данных, а затем даете ей новые данные, которые вы хотите предсказать, вы хотите понять результат, который она дает вам, и это исходит из знания ваших данных. Есть отличные способы визуализировать ваши данные с помощью библиотек графов в Python, таких как Seaborn и Matplotlib, которые позволяют создавать различные типы графиков. Также важно понимать свой набор данных, чтобы знать, какие данные нужно поместить в модель и чтобы вы могли выполнить предварительную обработку в правильный формат.

Знать основы

Машинное обучение основано на математике и распознавании образов, поэтому понимание некоторых основ, стоящих за этим, поможет в долгосрочной перспективе. Модели, которые вы будете использовать в своем коде, будут основаны на некоторой форме алгебры, такой как функции с несколькими переменными или линейная алгебра, знание которых на базовом уровне поможет вам понять свои модели. Также полезно понимать теоретические концепции, лежащие в основе машинного обучения даже на более высоком уровне, и для этого есть несколько отличных статей и руководств, например, серия Руководство для начинающих по AI / ML (https://medium.com / машинное обучение-для-людей / почему-машинное обучение-имеет значение-6164faf1df12 ) и этот отличный учебник от SciKit learn ( http://scikit-learn.org/stable/tutorial/basic/tutorial.html ) .

Не паникуйте

Один из лучших моментов, которые я слышал из своего опыта работы с ИИ и машинным обучением, - это то, что мы все еще находимся в области исследований, а не инженерии. Это означает, что искусственный интеллект и машинное обучение все еще расширяются и постоянно меняются с огромными успехами каждый год; из-за этого никто не ожидает, что вы будете в курсе всего за короткий период времени. В Интернете и в учебниках имеется огромное количество информации, которая может быть ошеломляющей, но просто не забывайте делать маленькие шаги, сосредотачивайтесь на понимании одной области за раз, и в конечном итоге все встанет на свои места.

Готовы начать сейчас?

Искусственный интеллект и машинное обучение окажут огромное влияние на различные отрасли, и наличие людей, способных идти в ногу с темпами его роста, станет ключом к его успеху. Основная идея этого блога - показать новичкам, что начинать и развиваться в этой области возможно, и что вам не нужно иметь за плечами несколько ученых степеней. Начать работу с ИИ будет нелегко, но когда все встанет на свои места, это будет стоить потраченного времени и усилий.