Понял почему? Хорошо. Время для некоторых сложных навыков.

Могу порекомендовать только то, что пробовал.

Я прошел курсы (по порядку):

• Treehouse - Introduction to Python
• DataCamp - Introduction to Python & Python for Data Science Track
• Udacity - Deep Learning & AI Nanodegree
• Coursera - Deep Learning by Эндрю Нг
• быстро.ai - Часть 1, скоро будет Часть 2

Они все мирового класса. Я визуально обучаюсь. Я лучше учусь видеть, что делается. Все эти курсы так и делают.

Если вы абсолютный новичок, начните с некоторых вводных курсов Python, а когда почувствуете себя немного увереннее, переходите к науке о данных, машинному обучению и искусственному интеллекту. DataCamp отлично подходит для начинающих, изучающих Python, но желающих изучить его с упором на науку о данных и машинное обучение.

Самый высокий уровень математического образования у меня был в средней школе.Остальное я узнал через Khan Academy, так как мне это было нужно.

Существует множество различных мнений о том, сколько математики вам нужно знать, чтобы заняться машинным обучением и искусственным интеллектом. Я поделюсь своим.

Если вы хотите применить методы машинного обучения и искусственного интеллекта к решению проблемы, вам не обязательно иметь глубокое понимание математики, чтобы получить хороший результат. Такие библиотеки, как TensorFlow и PyTorch, позволяют кому-то с небольшим опытом работы с Python создавать современные модели, в то время как математика выполняется за кулисами.

Если вы хотите углубиться в исследования в области машинного обучения и искусственного интеллекта с помощью программы PhD или чего-то подобного, глубокие знания математики имеют первостепенное значение.

В моем случае я не хочу углубляться в математику и улучшать производительность алгоритма на 10%. Я предоставлю это людям умнее меня.

Вместо этого я более чем счастлив использовать доступные библиотеки и манипулировать ими, чтобы решать проблемы так, как я считаю нужным.

То, что делает на практике инженер-машиностроитель, может быть не тем, что вы думаете.

Несмотря на обложки многих статей в Интернете, это не всегда связано с работой с роботами с красными глазами.

Вот несколько вопросов, которые инженер по машинному обучению должен задавать себе ежедневно.

• Контекст - Как можно использовать машинное обучение, чтобы узнать больше о вашей проблеме?
• Данные - Вам нужно больше данных? В какой форме это должно быть? Что делать, если данные отсутствуют?
• Моделирование - Какую модель вам следует использовать? Это слишком хорошо работает с данными (переоснащение)? Или почему не очень хорошо работает (не подходит)?
• Производство - Как вы можете запустить свою модель в производство? Это должна быть онлайн-модель или она должна обновляться через определенные промежутки времени?
• Постоянно - Что произойдет, если ваша модель сломается? Как улучшить его, добавив больше данных? Есть ли способ лучше?

Я позаимствовал их из замечательной статьи Рэйчел Томас, одной из соучредителей Fast.аи, она углубляется в полный текст.

Чтобы узнать больше, я снял видео о том, чем мы обычно занимаемся в понедельник в Max Kelsen.

Нет правильного или неправильного способа попасть в ML или AI (или что-то еще).

Самое прекрасное в этой области состоит в том, что у нас есть доступ к одним из лучших технологий в мире, все, что нам нужно сделать, это научиться их использовать.

Вы можете начать с изучения кода Python (мой любимый).

Вы можете начать с изучения математического анализа и статистики.

Вы можете начать с изучения философии принятия решений.

Машинное обучение и искусственный интеллект восхищают меня, потому что они пересекаются на пересечении всего вышеперечисленного.

Чем больше я узнаю об этом, тем больше понимаю, что мне еще есть чему поучиться. И это меня возбуждает.

Иногда я расстраиваюсь, когда мой код не запускается. Или я не понимаю концепции. Поэтому я временно сдаюсь. Я сдаюсь, позволяя себе уйти от проблемы и вздремнуть. Или пойти прогуляться.Когда я возвращаюсь, мне кажется, что я смотрю на это другими глазами. Волнение возвращается. Я продолжаю учиться. Говорю я себе. Я обучающаяся машина.

В этой области происходит столько всего, что может быть сложно начать работу. Слишком много вариантов приводит к отсутствию вариантов. Игнорируйте это.

Начинайте с того, что вас больше всего интересует, и следите за этим. Если это приведет к тупику, отлично, вы поняли, что вам неинтересно. Вернитесь назад и вместо этого сверните на другую развилку дороги.

Компьютеры умны, но они все еще не могут учиться самостоятельно.Им нужна твоя помощь.

Искусственный интеллект 101: С чего начать

Что такое искусственный интеллект (ИИ)?

Вы думаете о Чаппи, Терминаторе и Люси? Разумные, осознающие себя роботы ближе к реальности, чем вы думаете. Суть искусственного интеллекта - это разработка компьютерных систем, которые равны или превосходят человеческий интеллект. Искусственный интеллект (ИИ) - это исследование информатики, направленное на разработку программного обеспечения или машин, демонстрирующих человеческий интеллект.Достаточно простое определение, правда?

Очевидно, это еще не все. ИИ - это обширная тема, начиная от простых калькуляторов и заканчивая технологиями самоуправления и тем, что может радикально изменить будущее.

Цели и приложения ИИ

Основные цели ИИ включают дедукцию и рассуждение, представление знаний, планирование, обработку естественного языка (НЛП), обучение, восприятие, а также способность манипулировать и перемещать объекты. Долгосрочные цели исследований в области искусственного интеллекта включают достижение креативности, социального интеллекта и общего (человеческого уровня) интеллекта.

ИИ сильно повлиял на различные сектора, которые мы, возможно, не осознаем. Рэй Курцвейл говорит: «Многие тысячи приложений искусственного интеллекта глубоко встроены в инфраструктуру каждой отрасли». Джон Маккарти, один из основателей ИИ, однажды сказал, что «как только он работает, никто больше не называет это ИИ».

В общих чертах ИИ подразделяется на следующие:

Источник: Bluenotes

Типы ИИ

Хотя существуют различные формы ИИ, поскольку это широкое понятие, мы можем разделить его на следующие три категории на основе возможностей ИИ:

Слабый ИИ, , также называемый узким ИИ, фокусируется на одной задаче.В случае слабого ИИ нет самосознания или подлинного интеллекта.

iOS Siri - хороший пример слабого ИИ, сочетающего в себе несколько слабых методов ИИ. Он может многое сделать для пользователя, и вы увидите, насколько он «узкий», когда попытаетесь поговорить с виртуальным помощником.

Сильный ИИ, , который также называют Истинным ИИ, - это компьютер, умный как человеческий мозг. Такой ИИ сможет выполнять все задачи, которые может выполнять человек.В этой области ведется много исследований, но нам еще многое предстоит сделать. Вы должны представить себе Матрицу или меня, робота.

Искусственный суперинтеллект поразит вас, если вас впечатлит Сильный ИИ. Ник Бостром, ведущий мыслитель ИИ, определяет его как «интеллект, который намного умнее, чем лучший человеческий мозг практически во всех областях, включая научное творчество, общую мудрость и социальные навыки».

Искусственный суперинтеллект - причина, по которой многие выдающиеся ученые и технологи, в том числе Стивен Хокинг и Илон Маск, выразили обеспокоенность по поводу возможности исчезновения человечества.

Как начать?

Первое, что вам нужно сделать, это выучить язык программирования. Хотя есть много языков, с которых вы можете начать, многие предпочитают начинать с Python, потому что его библиотеки лучше подходят для машинного обучения.

Вот несколько хороших ресурсов для Python:

Введение в ботов

Бот - это самый простой пример слабого ИИ, который может выполнять автоматические задачи от вашего имени. Чат-боты были одной из первых автоматизированных программ, получивших название «боты».«Вам нужны AI и ML для ваших чат-ботов. Веб-сканеры, используемые поисковыми системами, такими как Google, являются прекрасным примером сложного и продвинутого BOT.

Вы должны изучить следующее, прежде чем начать программировать ботов, чтобы облегчить себе жизнь.

• • xpath - это поможет вам проверить и настроить таргетинг на HTML и построить своего бота на основе того, что вы там видите.

• • regex - это поможет вам обрабатывать данные, которые вы скармливаете своему боту, очищая или нацеливая (или и то и другое) на части, которые имеют значение для вашей логики.

• REST - это действительно важно, поскольку в конечном итоге вы будете работать с API. Для этого вы можете использовать запросы.

Как создать своего первого бота?

Вы можете начать изучение того, как создавать ботов на Python, самым простым способом из следующего руководства.

Вы также можете начать с использования API-интерфейсов и инструментов, которые позволяют создавать приложения для конечных пользователей. Это поможет вам создать что-то, не беспокоясь сначала о теории.Вот некоторые из API-интерфейсов, которые вы можете использовать для этого:

Вот список нескольких задач BOT, которые вы можете попрактиковать и опробовать перед тем, как приступить к решающей задаче.

Что теперь?

После того, как вы получите полное представление о предпочитаемом вами языке программирования и достаточно попрактикуетесь с основами, вы должны начать больше узнавать о машинном обучении. В Python начните изучать библиотеки Scikit-learn, NLTK, SciPy, PyBrain и Numpy, которые будут полезны при написании алгоритмов машинного обучения.Вам нужно знать и продвинутую математику.

Вот список ресурсов, которые вы можете изучить и попрактиковаться:

Вот еще несколько ценных ссылок:

Вам также следует принять участие в различных соревнованиях по программированию AI и BOT в разных местах в Интернете:

Перед вами начните учиться и вносить свой вклад в область ИИ, прочтите, как ИИ быстро меняет мир.

Популярные сообщения, подобные этой:

1. Как нанять специалиста по данным
2. 5 обязательных советов по прокторингу для платформы оценки разработчиков
3. Как убедиться, что ваш технический пул талантов доказывает свою эффективность

Социальный интеллект против эмоционального интеллекта и то, как различение может помочь вам возглавить

Интеллект

Согласно Psychology Today , интеллект - это «… конструкция, которая включает в себя способность решать проблемы, пространственные манипуляции и овладение языком». Американская психологическая ассоциация описывает определение интеллекта как все, что касается того, насколько хорошо наш интеллект функционирует и что мы часто измеряем с помощью тестов IQ, направленных на измерение наших коэффициентов интеллекта.Интеллект, измеряемый с помощью тестов IQ, - это еще не все и не все. Независимо от количества языков, на которых вы учитесь говорить, количества информации, которую вы запоминаете, и даже от того, насколько хорошо вы решаете математические задачи, интеллект неизбежно является более сложной мерой. К сожалению, , «Уровень интеллекта и технические навыки не дадут вам большего».

Два типа интеллекта, которые невозможно измерить в тестах на IQ, имеют решающее значение для успеха на уровне лидерства в бизнесе и даже в инновациях, что подтверждается в недавней статье Fast Company о том, почему венчурные капиталисты смотрят на один из них. типы интеллекта: инновационные агенты.Этими двумя видами интеллекта являются эмоциональный интеллект (EQ) и социальный интеллект (SQ) .

Социальный интеллект

Психология сегодня утверждает, что социальный интеллект «… развивается на основе опыта общения с людьми и обучения на успехах и неудачах в социальных условиях. Это чаще называют «тактом», «здравым смыслом» или «уличным умом».

Журнал описывает критические качества людей с высоким SQ:

• Они могут разговаривать с широким кругом людей и устно общаться с помощью подходящих и тактичных слов, также известных как «навыки социальной выразительности».”
• Они обладают навыком , чтобы научиться играть различные социальные роли, и хорошо разбираются в неформальных правилах игры, которые являются кредо социального взаимодействия.
• Они известны как отличные слушатели .
• Они знают, как эффективно анализировать, что движет людьми, обращая внимание на то, что они говорят и как ведут себя.
• Они не только знают, как научиться играть разные социальные роли; Они, , применяют эти навыки на практике, чтобы чувствовать себя непринужденно с разными типами людей.
• Они заботятся о том впечатлении, которое они производят на других людей . Это самый сложный набор навыков, потому что для него требует «… тонкого баланса между управлением и контролем образа, который вы представляете другим, и разумной« аутентичностью », позволяющей другим увидеть истинное Я ».

Эмоциональный интеллект

В отличие от SQ, Психология сегодня описывает эмоциональный интеллект как «… способность определять и управлять своими эмоциями и эмоциями других людей.”Эмоциональный интеллект включает три компетенции:

• Эмоциональное осознание
• Применение эмоций к таким процессам, как решение проблем и мышление
• Emotion management подразумевает, что оба могут помочь контролировать чувства других людей, а также свои собственные.

Хотя следующее видео, объясняющее концепцию EQ, содержит больше концепций, чем то, что было в статье Psychology Today , оно успешно разрушает эту идею, которая поможет вам извлечь выгоду из человеческой изобретательности:

Фактически, эмоциональный интеллект теперь входит в критерии оценки венчурных капиталистов. Fast Company недавно опросила восемь венчурных капиталистов по поводу пяти вопросов, которые они задают основателям стартапов, когда хотят получить финансирование. Их:

• Как часто они советуются с другими?
• Как они вдохновляют и воодушевляют людей?
• Как они решают сложные вопросы?
• Могут ли они оставаться гибкими, не теряя внимания?
• Какую команду они собрали?

Цель из этих вопросов, связанных с эмоциональным интеллектом, - увидеть, как потенциальные основатели справляются с эмоциями в постоянно меняющейся, быстро меняющейся среде, которая ощущается как скороварка. Таким образом, венчурные капиталисты будут более охотно вкладывать средства в тех, кто способен развивать и поддерживать долгосрочные отношения.

Помня об этих навыках поможет вам в ваших поисках адаптации вашей команды и даже вашей организации в целом к ​​миру скороварки VUCA .

Вместе они ESI

Когда EQ и IQ объединяются, они образуют ESI, или эмоциональный и социальный интеллект. Компетенции ESI - это компетенции, «… связанные с самосознанием, самоуправлением и управлением отношениями, которые позволяют людям понимать и управлять своими эмоциями и эмоциями других людей в социальных взаимодействиях.«Что для меня означает эта комбинация? Подумайте, как мы сказали, что технических навыков и IQ недостаточно, чтобы различить, кто будет лучшим лидером, хотя некоторые могут пожелать, чтобы это было так. ESI компетенции , а не IQ и технические, ответственны за разрыв между производительностью тех лидеров, которые являются отличными, от тех, которые считаются средними . К счастью, хотя IQ часто закладывается в камень в самом начале жизни, компетенции ESI могут быть изучены и улучшены с течением времени.

Итак, чем они отличаются?

Оба набора навыков критически важны для внедрения инноваций. Но когда мы используем эмоциональный интеллект, а когда - социальный? Will Chou разбивает это так:

Социальный интеллект , говорит Чжоу , - это больше о будущем . Социальный интеллект появился для того, чтобы люди могли выжить, и это примерно , чтобы выяснить, как вам лучше ладить и выйти из ситуации с благоприятным исходом .Даже если у вас есть квалификация на бумаге, недостаток социального интеллекта может привести к натянутым или разрушенным отношениям, а также к упущенным возможностям. Как бы вам не хотелось откровенно говорить с кем-то, давая обратную связь, вы можете попытаться отредактировать свои слова, чтобы попытаться выразить конструктивную критику, не закладывая ногу в рот.

Напротив, эмоционального интеллекта на больше соответствует настоящему, и, таким образом, более тесно связано с эмоциями и чувствами. Читая по чьему-то лицу, вы можете сказать, счастлив ли этот человек, невероятно нервничает перед собеседованием или стесняется, потому что этот человек оказался в своем углу посреди вечеринки.

Как это применимо к инновациям для роста?

EQ и SQ в сочетании с вашим IQ станут ключом к использованию концепций и рамок программы Innovation for Growth для раскрытия вашего самого стратегического актива: человеческой изобретательности. Вы сможете получить максимальную отдачу от своей команды , если будете знать, как выстраивать с ними отношения и воплощать их в общих стратегических целях.

Готовы усилить SQ и EQ?

Если вы хотите узнать больше о Innovation for Growth HiOP, нажмите здесь , чтобы получить копию нашей информационной брошюры. И если вы собираетесь присоединиться к нам в следующем приеме, начните работу с приложением .

«Я хочу изучать искусственный интеллект и машинное обучение. С чего мне начать? »

Как я прошел путь от Apple Genius до отказа при запуске и драйвера Uber до инженера по машинному обучению

Я работал в Apple Store и хотел изменений. Чтобы начать создавать технологию, которую я обслуживал.

Я начал изучать машинное обучение (ML) и искусственный интеллект (AI).

В поле так много всего происходит.

Каждую неделю кажется, что Google или Facebook выпускают новый вид ИИ, чтобы ускорить работу или улучшить наш опыт.

И не надо начинать с числа компаний, занимающихся беспилотными автомобилями. Хотя это и хорошо. Я не любитель водить машину, а дороги опасны.

Даже несмотря на то, что все это происходит, все еще не существует согласованного определения того, что такое искусственный интеллект.

Некоторые утверждают, что глубокое обучение можно считать ИИ, другие скажут, что это не ИИ, если оно не пройдет тест Тьюринга.

Эта нечеткость вначале сильно замедлила мой прогресс. Трудно было выучить что-то, что имеет так много разных определений.

Довольно определений.

Как я начал?

Мы с друзьями создавали веб-стартап. Это не удалось. Мы сдались из-за отсутствия смысла. Но по ходу дела я все больше и больше слышал о машинном обучении и искусственном интеллекте.

«Компьютер учится за вас?» Я не мог в это поверить.

Я наткнулся на программу Deep Learning Nanodegree от Udacity. Веселый персонаж по имени Сирадж Раваль был в одном из промо-роликов. Его энергия была заразительной. Несмотря на то, что я не отвечал основным требованиям (я никогда раньше не писал ни строчки на Python), я подписался.

За три недели до даты начала курса я написал в службу поддержки Udacity по электронной почте, спрашивая, какова политика возврата. Я боялся, что не смогу пройти курс.

Мне не вернули деньги. Я прошел курс в установленные сроки.Это было сложно. Иногда действительно сложно. Мои первые два проекта были сданы с опозданием на четыре дня. Но волнение от участия в одной из самых важных технологий в мире двигало меня вперед.

Завершив курс Deep Learning Nanodegree, я гарантированно принял участие в программе Udacity AI Nanodegree, Self-Driving Car Nanodegree или Robotics Nanodegree. Все отличные варианты.

Я немного заблудился. «Куда мне идти дальше?»

Мне нужна была учебная программа. Я заложил небольшой фундамент с помощью Deep Learning Nanodegree, теперь пришло время выяснить, куда я пойду дальше.

Моя самосозданная степень магистра в области ИИ

Я не планировал в ближайшее время вернуться в университет. В любом случае у меня не было 100000 долларов на получение степени магистра.

Итак, я сделал то, что делал вначале. Обратился за помощью к моему наставнику, Google.

Я начал заниматься глубоким обучением, не имея никаких предварительных знаний в этой области. Вместо того, чтобы подняться на вершину айсберга искусственного интеллекта, вертолет высадил меня на вершине.

Изучив несколько курсов, я составил список из них, которые больше всего интересовали меня в Trello.

Я знал, что онлайн-курсы часто бросают. Я не собирался позволять себе быть частью этого числа. У меня была миссия.

Чтобы взять на себя ответственность, я начал делиться своим опытом обучения онлайн. Я решил, что могу попрактиковаться в передаче того, что узнал, а также найти других людей, которым интересны те же вещи, что и я. Мои друзья все еще думают, что я инопланетянин, когда я начинаю одну из своих авантюр с искусственным интеллектом.

Я опубликовал доску Trello и написал в блоге сообщение о своих начинаниях.

Учебная программа немного изменилась с тех пор, как я ее впервые написал, но она по-прежнему актуальна, и я посещаю доску Trello несколько раз в неделю, чтобы отслеживать свои успехи.

Получение работы

Я купил билет на самолет в США без обратного рейса. Я проучился год и решил, что пора начать применять свои навыки на практике.

Мой план состоял в том, чтобы попасть в США и получить работу.

Затем Эшли написала мне в LinkedIn: «Привет, я видела твои публикации, и они действительно классные, я думаю, тебе стоит познакомиться с Майком.

Я встретил Майка.

Я рассказал ему свою историю онлайн-обучения, как мне нравятся медицинские технологии и мои планы поехать в США.

«Возможно, тебе лучше остаться здесь на год или около того и посмотреть, что ты найдешь, я думаю, тебе бы хотелось познакомиться с Кэмерон».

Я встретил Кэмерон.

У нас был такой же разговор, о котором мы говорили с Майком. Здоровье, технологии, онлайн-обучение, США.

«Мы работаем над некоторыми проблемами со здоровьем, почему бы вам не прийти в четверг?»

Пришел четверг.Я нервничал. Но однажды кто-то сказал мне, что нервничать - это то же самое, что быть возбужденным. Я был взволнован.

Я провел день, встречаясь с командой Макса Кельзена и проблемами, над которыми они работали.

Два четверга спустя Ник, генеральный директор Athon, ведущий инженер по машинному обучению, и я пошли выпить кофе.

«Хотели бы вы присоединиться к команде?» - спросил Ник.

«Конечно». Я сказал.

Итак, мой рейс в США был перенесен на пару месяцев назад, и теперь у меня есть обратный билет.

Поделитесь своей работой

Обучаясь онлайн, я знал, что это нетрадиционно. Все должности, на которые я претендовал, имели степень магистра или, по крайней мере, какую-то техническую степень.

Ни того, ни другого у меня не было. Но у меня были навыки, которые я получил на множестве онлайн-курсов.

Попутно я делилась своей работой в Интернете. Мой GitHub содержал все проекты, над которыми я работал, мой LinkedIn был разложен, и я практиковался в передаче того, что узнал, через YouTube и статьи на Medium.

Я никогда не сдавал резюме Максу Кельсену. «Мы проверили вас в LinkedIn».

Моей основной работой было резюме.

Независимо от того, учитесь ли вы в Интернете или получаете степень магистра, портфолио того, над чем вы работали, - отличный способ создать скин в игре.

Навыки машинного обучения и искусственного интеллекта пользуются спросом, но это не значит, что вам не нужно их демонстрировать. Даже самый лучший продукт не будет продаваться без места на полке.

Будь то GitHub, Kaggle, LinkedIn или блог, всегда есть место, где люди смогут вас найти.Кроме того, иметь собственный уголок в Интернете - это очень весело.

Как начать?

Куда вы идете, чтобы научиться этим навыкам? Какие курсы самые лучшие?

Нет лучшего ответа. У каждого будет свой путь. Некоторые люди лучше учатся с помощью книг, другие - с помощью видео.

Что важнее, чем то, как вы начали, так это то, почему вы начинаете.

Начнем с того, почему.

• Почему вы хотите получить эти навыки?
• Хотите зарабатывать деньги?
• Хотите строить вещи?
• Хотите что-то изменить?

Опять без уважительной причины.Все действительны по-своему.

Начните с вопроса «почему», потому что «почему» важнее, чем «как». Иметь «почему» означает, что когда становится трудно, а это будет трудно, а станет трудно, у вас есть к чему обратиться. Что-то, чтобы напомнить вам, почему вы начали.

Понял почему? Хорошо. Время для некоторых сложных навыков.

Могу порекомендовать только то, что пробовал.

Я закончил курсы (по порядку):

Все они мирового класса. Я визуально обучаюсь. Я учусь лучше видеть, что мне делают / объясняют.Итак, все эти курсы отражают это.

Если вы абсолютный новичок, начните с нескольких вводных курсов Python, а когда почувствуете себя немного увереннее, переходите к науке о данных, машинному обучению и искусственному интеллекту. DataCamp отлично подходит для начинающих, изучающих Python, но желающих изучить его с упором на науку о данных и машинное обучение.

Сколько математики?

Самый высокий уровень математического образования у меня был в средней школе. Остальное я узнал через Khan Academy, так как мне это было нужно.

Существует множество различных мнений о том, какие математические знания вам нужно знать, чтобы заняться машинным обучением и искусственным интеллектом. Я поделюсь своим.

Если вы хотите применить методы машинного обучения и искусственного интеллекта к решению задачи, вам не обязательно иметь глубокое понимание математики, чтобы получить хороший результат. Такие библиотеки, как TensorFlow и PyTorch, позволяют кому-то с небольшим опытом работы с Python создавать современные модели, в то время как математика выполняется за кулисами.

Если вы хотите углубиться в исследования в области машинного обучения и искусственного интеллекта с помощью программы PhD или чего-то подобного, глубокие знания математики имеют первостепенное значение.

В моем случае я не собираюсь углубляться в математику и улучшать производительность алгоритма на 10%. Я предоставлю это людям умнее меня.

Вместо этого я более чем счастлив использовать доступные мне библиотеки и манипулировать ими, чтобы решать проблемы так, как я считаю нужным.

Чем на самом деле занимается инженер по машинному обучению?

То, что на практике делает инженер-машиностроитель, может быть не тем, что вы думаете.

Несмотря на обложки многих интернет-статей, это не всегда связано с работой с роботами с красными глазами.

Вот несколько вопросов, которые инженер машинного обучения должен задавать себе ежедневно.

• Контекст - Как можно использовать машинное обучение, чтобы узнать больше о вашей проблеме?
• Данные - Вам нужно больше данных? В какой форме это должно быть? Что делать, если данные отсутствуют?
• Моделирование - Какую модель следует использовать? Это слишком хорошо работает с данными (переоснащение)? Или почему не очень хорошо работает (не подходит)?
• Производство - Как запустить свою модель в производство? Это должна быть онлайн-модель или она должна обновляться через определенные промежутки времени?
• Выполняется - Что произойдет, если ваша модель сломается? Как улучшить его, добавив больше данных? Есть ли способ лучше?

Я позаимствовал их из замечательной статьи Рэйчел Томас, одной из соучредителей Fast.аи, она углубляется в полный текст.

Для подробностей я снял видео о том, чем мы обычно занимаемся в понедельник в Max Kelsen.

Нет заданного пути

Не существует правильного или неправильного пути к ML или AI.

Самое прекрасное в этой области то, что у нас есть доступ к одним из лучших технологий в мире, все, что нам нужно сделать, это научиться их использовать.

Вы можете начать с изучения кода Python.

Вы можете начать с изучения математического анализа и статистики.

Вы можете начать с изучения философии принятия решений.

Машинное обучение и искусственный интеллект очаровывают меня этим пересечением областей.

Чем больше я узнаю об этом, тем больше понимаю, что мне еще есть чему поучиться. И это меня возбуждает.

Иногда я расстраиваюсь, когда мой код не запускается. Или я не понимаю концепции. Поэтому я временно сдаюсь. Я сдаюсь, позволяя себе уйти от проблемы и вздремнуть. Или пойти прогуляться. Когда я возвращаюсь, мне кажется, что я смотрю на это другими глазами.Волнение возвращается. Я продолжаю учиться.

В этой области происходит столько всего, что может быть сложно начать работу. Слишком много вариантов приводит к отсутствию вариантов. Игнорируйте это.

Начинайте с того, что вас больше всего интересует, и следите за этим. Если это приведет к тупику, отлично, вы поняли, что вам неинтересно. Вернитесь назад и вместо этого сверните на другую развилку дороги.

Компьютеры умны, но они все еще не могут учиться самостоятельно. Им нужна твоя помощь.

PS Если у вас возникнут какие-либо вопросы, не стесняйтесь обращаться ко мне в любое время в mrdbourke.com.

Связанные

Теги

Подпишитесь, чтобы получать ежедневные обзоры главных технических новостей!

Смотрите также

• 
  Как научиться делать гелик в домашних условиях
• 
  Как научиться скримить в домашних условиях
• 
  Как научиться танцевать самому дома
• 
  Как научиться отпускать людей которых любишь
• 
  Как научиться вязать коклюшками
• 
  Как научиться выговаривать мягкую р
• 
  Как научиться разводить мужчин на деньги
• 
  Как научиться создавать программы с нуля
• 
  Как научиться делать разножку
• 
  Как самому научиться программированию с нуля
• 
  Как быстро научиться работать в автокад