Меня всегда интересовало машинное обучение, но я пропускал / откладывал его изучение либо из-за нехватки времени, либо из-за того, что я боялся математики, которая может содержаться в этом путешествии. Я действительно люблю математику, но иногда, если возникает тема, которую я еще не изучил, мне трудно понять ее самостоятельно. Но все изменилось, когда я наткнулась на этот канал на YouTube: Sirajology. Его видео были очень быстрыми, и мне было трудно понять код. У меня всегда возникал один и тот же вопрос: Почему я не пытаюсь сам создавать программы машинного обучения?
Для начала есть очень ограниченные ресурсы для начинающих по сравнению с веб-разработкой, где у меня было так много курсов и руководств по началу работы по каждой теме на выбор.
Я начал свое обучение с Введение в машинное обучение от Udacity, так как я уже знал математические вычисления, статистику и питон на уровне колледжа. У курса есть отличные отзывы, и многие из них утверждают, что это отличный курс для начинающих.
Вот обзор этого:
Кривая обучения была очень гладкой, и проблемы нужно было решать на абстрактном уровне с использованием функций и классов sklearn. Это был отличный опыт поиграть с набором данных Enron и найти мошенников с помощью всего 5–10 строк кода. Я также выучил много терминов, таких как регрессия, классификаторы и масштабирование функций. Тем временем я продолжал пробовать учебные материалы Сираджа, и было удивительно, как его код начинал обретать смысл, и я мог следить за кодом, пока он не использовал функции, полученные из Tensorflow, библиотеки глубокого обучения от Google.
Тем временем я также попробовал пройти курс машинного обучения Эндрю Нг на Coursera. К сожалению, он не использовал Python, поэтому я почувствовал себя некомфортно и перестал следовать ему. Он содержит много информации о внутренней работе алгоритмов, поэтому я обязательно вернусь к нему в будущем.
Нейронные сети
Я познакомился с нейронными сетями из видео Сираджа, но прямая и обратная связь по-прежнему были мне неизвестны. Я хотел узнать о нейронных сетях, потому что «мозг» - это тема, которая меня очень удивляет. Я просмотрел много электронных книг и статей, но все они были очень трудными для понимания, поскольку в них использовались такие термины, как функции активации, и процесс представлялся с использованием математических обозначений, которые очень трудно читать.
Наконец-то я попал в эту статью, чистое золото!
Создание нейронной сети
В статье используются слова для обозначения переменных и пошаговое объяснение процесса. Это помогло мне понять прямое и обратное распространение с минимальным стрессом для мозга. Таким образом я получаю базовые знания по машинному обучению и глубокому обучению незадолго до конца прошлого года.
Теперь, глядя на 2017 год, я хочу попробовать Курс глубокого обучения на Udacity и начать работать над наборами данных на Kaggle самостоятельно. Я также хотел бы познакомиться с Tensorflow и создавать с его помощью модели глубокого обучения. Это было бы отличным новогодним решением. Надеюсь, у меня получится!
Я надеюсь, что ресурсы и путь, который я обозначил в этой статье, также могут помочь начать работу другим людям, которые не знают, с чего им следует начать свой путь.
Я надеюсь, что ресурсы и путь, который я обозначил в этой статье, также могут помочь начать работу другим людям, которые не знают, с чего им следует начать свой путь.
Если вам понравилась статья, рекомендуйте, подписывайтесь и делитесь. Ваша поддержка очень много значит для меня. Спасибо за чтение! Хорошего дня!
