Az adatok az új olaj. És a géptanulás a tűz. Aki irányítja ezt a kettőt, az irányítja a világot.


Nem, a fentiek nem valami pompás kifejezés, amelyet egy dystopian regényből vettek fel.

Ez a valóság.

Az új világrend az, hogy hatalmas mennyiségű releváns adatot gyűjtsön és gyakorlati betekintéssé dolgozzon – amit az emberiség a történelem során még nem tudott megtenni. Ez a fajta technológia, amely lehetővé teszi egy ország számára menj előre a többiek közül, és végül uralják a világot. Ennek eredményeként a világ progresszív nemzete nagyon-nagyon komolyan veszi.

Jövedelmező karrierválasztás

A nemzetközi érdeklődés, az adattudomány és a gépi tanulás eltekintve egy forró új terület, hihetetlen lehetőségekkel. A kereslet (enyhén szólva) nem szerepel a táblázatokon, és nincs elég adattudós a környéken. Még középszerű sem.

Olyan, mintha hirtelen felfedeztünk sok új, lakható bolygót, és nincs elég ember, aki oda költözne. Folytathattam volna és tovább hangolhatnék, mint egy törött lemez, de szerintem ez az infographic sokkal jobban képes:

Forrás: insidebigdata.com

Tehát látjuk, hogy a fizetések 50 000 dollár + -tól kezdődnek, és a vezetők számára jóval 250 000 dollárt tudnak lőni.

És nem csak, hogy 2020-ra az átlagos ember a bolygón másodpercenként 1,7 MB adatot fog előállítani. Ez a teljes élettartama során több mint 3500 TB adat van – több adat, mint amit mostanában tudunk kezelni, nem is beszélve az elemzésről. Ha azt mondanánk, hogy a jövő fényes, szolgaságot jelent ennek a csodálatos új legelőnek.

Nehéz az adattudomány és a gépi tanulás?

Jó kérdés!

Tapasztalataim szerint a válasz „igen” és „nem” egyaránt.

A mesterséges intelligencia (és kiterjesztésképpen a gépi tanulás) a legnehezebb dolog, ha hajlandó kutatni és benyomni a borítékot. Ilyen munkáért akár Ph.D. a számítógépes és a matematikai tudományok mindegyike nem elegendő. De akkor az átlagos embernek nincs ambíciója, és nincs ideje egy ilyen üldözésre.

Másfelől az, amit az alkalmazott adattudománynak és gépi tanulásnak nevezek.

Vagyis megteszi a meglévő eszközöket, technikákat és algoritmusokat, és alkalmazza azokat valamilyen valós probléma megoldására. Ez a rész elkötelezettséget, észlelést és kreatív gondolkodást igényel (és néhány egyszerű matematikai fogalom ismeretét, amelyeket gyorsan elsajátítanak), ám a valódi „műszaki” ismeretek tekintetében sokkal enyhébbek, mint amit egy szoftvermérnök feladata hív..

Más szavakkal, ez nem egy kifutópálya, hanem a járás jutalom és erőfeszítés aránya, az egyik legjobb befektetés odakint.

Most, hogy megnehezítette a szándékát, hogy adattudósként és gépi tanulási mérnökré váljon, kezdjük el feltárni a legjobb lehetőségeket odakint.

Gépi tanulás összeomlási tanfolyam (Google)

Nem sokan tudják, de a Google kiterjedt, rendkívül praktikus és ingyenes tanfolyam a gépi tanulásról. A társaság szerint ez részét képezi az AI / ML technológiák fejlesztése és az ismeretek nyitott megtartása iránti elkötelezettségüknek.

A legjobb dolog ebben a kurzusban az, hogy nincsenek előfeltételek, de fokozatosan töltsön el időt tölteni a saját statisztikai koncepcióinak feltárásával..

Úgy értem, nincs rá szükség, de ha nincsenek háttere a fejlett statisztikákban, akkor a magyarázat ebben a kurzusban nem elegendő. Egy másik előnye, hogy ez a kurzus bemutatja a Machine Learning használatát TensorFlow, amely egy ML implementáció, amelyet a Google fejlesztett ki. Tehát bizonyos szempontból a Google célja a gépi tanulás API-jainak népszerűsítése, de figyelembe véve a tanfolyam által kínált értéket, nem látom, hogy ennek kellene akadályt képeznie.

Ha van valami, a TensorFlow az egyik egyszerű módszer az ML-bejutáshoz, és zavaros népszerűségnek örvend (az AI-keretek összehasonlításához lásd ezt).

CS109 Data Science (Harvard Egyetem)

A név Harvard lelkesedést vált ki, és ez a helyzet is.

Az első dolgok először: ez nem egy gyors, gyorsan menő kurzus, ahol a Machine Learning környékén lábujjongót ízel itt, itt egy részlet vagy egy forgatókönyv. Ez a tanfolyam súlyos tűzkeresztség, amely kemény munkát és jelentős időbefektetést igényel.

A kurzus ingyenes videókkal, kóddal (a GitHub-on tárolva) és laboratóriumi gyakorlatok megoldásaival érkezik, tehát gyakorlatilag semmi nem fog korlátozni, ha el akarja venni.

Ideális közönség?

Te … nem viccelek.

Azt mondanám, hogy megfelelő matematikai végzettséggel rendelkező dolgozó szakemberek, még akkor is, ha már nem ismerik a matematikát (a következtetési és bizonyítási szokások a legszükségesebbek). De ismét kérjük, figyelmeztessen: azt gondolhatja, hogy jó vagy, de ez a kurzus úgy fogja érezni magát, mintha edzett körmök lennének reggelire – a gyakorlati problémák elég nagy kihívást jelentenek, hogy sírni tudjon, de akkor ez lehet pontosan az, amit ‘ újra keresi!

Gépi tanulás (Andrew Ng)

Menj be egy bárba, amely tele van tudósokkal, és kérdezd meg, ki Andrew Ng, és megverted az életed.

Az adattudomány és a gépi tanulás körében Andrew Ng istenszerű státuszt ért el, köszönhetően a Coursera kivételes tanfolyamának – Gépi tanulás.

És ha kételkedsz Andrew Ng mandátumában, hagyom, hogy ez magáért beszéljen:

Fizető kurzus, abban az értelemben, hogy része a Coursera árképzési tervének, ám a pénzügyi elkötelezettség és az elszántság nem az egyetlen előfeltétel. Ez egy hosszú tanfolyam, mivel Andrew mélyen belemerül az összes ML mögött található matematikába és boncolja a népszerű algoritmusokat. De szerencsére ez egy teljes tanfolyam, és lépésről lépésre végigvezeti a sötétebb mélységekbe, és visszahozza.

Erősen ajánlott, elsősorban azért, mert a tanfolyam elvégzéséről szóló igazolás szégyenlősége ma már napvilágra vált!

Alkalmazott adattudomány Python-nal

A Coursera specializációi egy tanfolyam-sorozatból állnak, amelyek célja, hogy egy adott koncepció nulláról a jártasságra tegyék Önt. Ha teljes, komoly, mégis barátságos tanfolyamot keres az adattudományról és a gépi tanulásról a Python segítségével, nem tudom ezt ajánlani szakosodás elég.

A tanfolyam végén igazolást szerez.

Gyakorlati mélytanulás a kódolók számára

Ez a kurzus áldás, és a legkedveltebb ajánlásaim ebben a listában, ha kódoló vagy.

Ezt még egyszer mondanám: ha kódoló vagy.

Ennek oka az, hogy ez a kurzus nem tölti az időt, hogy megtanítsa a programozás alapjait. A tantárgy leírása ezt mondja nagyon világos fogalmakkal (a hangsúly hangsúlyos):

Feltételezzük, hogy mindenki, aki ezt a kurzust választja, rendelkezik legalább egy éves kódolási tapasztalat. A tanfolyam python-ot használ tanítási nyelvként, tehát ha még nem ismeri a python-ot, akkor feltételezzük, hogy időt töltene a tanuláshoz – tapasztalt kódolónak meg kell találnia, hogy a python meglehetősen egyszerű nyelv.

Tehát ha már ismeri a Python-ot (ha nem tanulj itt), vagy gyorsan kényelmessé válik, ez a tökéletes kurzus azoknak a gyakorlati szakembereknek, akik valós, használható rendszereket akarnak építeni anélkül, hogy túl aggódnának az algoritmusok elméleti alapjai miatt.

Még azt is mondhatnám, hogy a türelmetlen bádogosoknak (mint én!), Akik utálják a szertartást és a monotonitást.

És ó, megemlítettem, hogy 100% -ban ingyenes, és nagyszerű közösséggel rendelkezik?!

Következtetés

Huhh!

Ez az egyik nehéz lista, amelyet össze kell állítani. Nem azért, mert nem volt elég jó forrás, hanem azért, mert túl sok volt!

A gépi tanulás egy olyan terület, amely szó szerint felrobbant és valóban elegáns módon oldja meg a nehéz problémákat, és így vannak több száz online tanfolyam, ingyenes és fizetett, többségük nagyon-nagyon jó. De ez zavart is okozhat, ezért próbáltam öt főre forgatni különféle típusú tanulók számára, tapasztalati szintjük szerint.

Remélem, hogy segített!

Jeffrey Wilson Administrator
Sorry! The Author has not filled his profile.
follow me