Моя цель — создать четкое пошаговое руководство для всех, кто интересуется машинным обучением с самого начала. Чтобы стать компетентным инженером по машинному обучению, вам необходимо изучить три основные области: математику, глубокие знания в области машинного обучения и навыки программирования. Хотя это важно, это не единственные аспекты машинного обучения, и важно помнить, что обучение — это непрерывный процесс.

Уровень 1 — информированное лицо, принимающее решения:

На этом уровне сосредоточьтесь на получении базового понимания машинного обучения и его влияния на нашу жизнь. Вот что вы должны знать:

  1. Математика: вам не нужно быть экспертом по математике, но полезно иметь представление о некоторых математических концепциях, используемых в машинном обучении. Обрати внимание на:

2. Линейная алгебра: узнайте о работе с числами, расположенными в строках и столбцах, что полезно для обработки данных.

3. Вероятность и статистика. Понимание основ вероятностей и статистического анализа, используемых в машинном обучении.

4. Конкретные знания машинного обучения: на этом этапе ознакомьтесь с концепцией машинного обучения, включая его сильные стороны и ограничения. Узнать о:

  • Что такое машинное обучение и чем оно не является: понять основную идею машинного обучения и его применения в реальных сценариях.
  • Краткосрочное и среднесрочное влияние: узнайте, как машинное обучение влияет на нашу жизнь и его возможные последствия в ближайшем будущем.
  • Использование машинного обучения: узнайте, как можно использовать машинное обучение, чтобы принести пользу вам или вашей команде в проектах и ​​целях.

Ресурсы:

Отныне каждый уровень будет посвящен трем областям: математике, конкретным знаниям в области машинного обучения и программированию, чтобы помочь вам в дальнейшем обучении.

Уровень 2 — опытный разработчик: овладение основами AI/ML

Твердое понимание концепций AI и ML имеет решающее значение для того, чтобы стать опытным разработчиком в этой области. Этот уровень направлен на то, чтобы помочь вам понять основные математические принципы, основные алгоритмы машинного обучения, программирование на Python и инструменты обработки данных, снабдив вас навыками построения фундаментальных конвейеров машинного обучения.

Математика:

  • Линейная алгебра:
  • Погрузитесь в лекции Гилберта Стрэнга из MIT OpenCourseWare, которые предлагают как решения проблем, так и решения, доступные по адресу https://www.youtube.com/playlist?list=PLE7DDD91010BC51F8.
  • Получите представление о сути линейной алгебры из увлекательной серии статей 3blue1brown, доступных по адресу https://www.3blue1brown.com/topics/linear-алгебра.
  • (Многомерное) исчисление:
  • Изучите книгу 3blue1brown Суть исчисления, чтобы углубить свое понимание этой математической области, которую можно найти по адресу https://www.3blue1brown.com/topics/calculus.
  • Освойте основы AP/College Calculus AB с помощью специального курса Академии Хана, доступного по адресу https://www.khanacademy.org/math/ap-calculus-ab.
  • Разгадайте сложности многомерного исчисления с помощью обширных ресурсов Академии Хана, доступных по адресу https://www.khanacademy.org/math/multivariable-calculus.
  • Статистика и вероятность:
  • Расширьте свои статистические знания и понимание вероятности, записавшись на хорошо структурированный курс Академии Хана по адресу https://www.khanacademy.org/math/statistics-probability.

Конкретные знания машинного обучения:

Программирование:

  • Заложите прочный фундамент в программировании на Python с помощью руководств Кори Шафера для начинающих, которые можно найти по адресу https://www.youtube.com/playlist?list=PL-osiE80TeTskrapNbzXhwoFUiLCjGgY7.
  • Освойте объектно-ориентированное программирование (ООП) с помощью подробных руководств Кори Шафера по работе с классами, доступных по адресу https://www.youtube.com/playlist?list=PL-osiE80TeTsqhIuOqKhwlXsIBIdSeYtc.
  • Ознакомьтесь с Jupyter Notebooks с помощью руководства Кори Шафера на странице https://www.youtube.com/watch?v=HW29067qVWk.
  • Погрузитесь в мир обработки и анализа данных с помощью руководств Кори Шафера по Pandas, доступных по адресу https://www.youtube.com/playlist?list=PL-osiE80TeTsWmV9i9c58mdDCSskIFdDS.
  • Изучите основы визуализации данных с помощью руководств Кори Шафера по Matplotlib, которые можно найти по адресу https://www.youtube.com/playlist?list=PL-osiE80TeTvipOqomVEeZ1HRrcEvtZB_.
  • Запишитесь на микрокурсы Kaggle, чтобы отточить свои практические навыки на https://www.kaggle.com/learn.
  • Используйте Streamlit, мощный инструмент для создания приложений для работы с данными, доступный по адресу https://streamlit.io/.
  • Обратитесь к справочнику по науке о данных, чтобы получить исчерпывающую информацию для самостоятельного изучения.

WQU — Модуль прикладной науки о данных:

Уровень 3 – опытный разработчик

Будучи экспертом-разработчиком уровня 3, вы обладаете математическими способностями, необходимыми для понимания академических работ и учебников по машинному обучению для выпускников. Ваши знания распространяются на широкий спектр алгоритмов машинного обучения, что позволяет вам выбрать подходящий для конкретных задач. Вы можете сформулировать преимущества и недостатки различных алгоритмов и предоставить консультации лицам, принимающим решения.

Кроме того, вы отлично справляетесь с задачами стохастического кода и умеете создавать сложные конвейеры машинного обучения, которые легко интегрируются в более крупные программные инфраструктуры.

Математика:

  • Вы хорошо разбираетесь в статистике и вероятности, о чем свидетельствует прохождение следующих курсов:
  • MITx — Вероятность — наука о неопределенности и данных — Course Link
  • MITx — Основы статистики — Course Link

Широкий спектр тем:

Конкретные знания машинного обучения:

Программирование:

  • Вы отточили свои навыки программирования благодаря практическому опыту работы с такими библиотеками, как scikit-learn, Keras и TensorFlow, как показано в книге Практическое машинное обучение с помощью Scikit-Learn, Keras и TensorFlow — Book Link.
  • Кроме того, вы занимались Python для компьютерного зрения с OpenCV и глубоким обучением Хосе Портильи на Udemy — Course Link
  • Вы также изучали обработку естественного языка с помощью Python Хосе Портильи на Udemy — Course Link
  • Вы изучили различные ресурсы машинного обучения, такие как fast.ai, d2l, курсы Соледад Галли и шаблоны проектирования гуру рефакторинга, чтобы улучшить свои навыки программирования.

Уровень 4 — кандидат наук. уровень

На уровне 4 вы получили степень доктора философии. уровень знаний в области машинного обучения. Ваше понимание продвинутой математики и специализированных разделов машинного обучения позволяет вам понимать экзотические и теоретические исследовательские работы и потенциально вносить свой вклад в свои теоретические идеи.

У вас есть возможность активно участвовать в проектах с открытым исходным кодом и самостоятельно создавать инновационные программные продукты.

Ресурсы для этого уровня более разнообразны и предназначены для разных специализаций:

Трек — Ссылка документы с кодом — Ссылка код fast.ai первое введение в НЛП — Ссылка fast.ai числовая линейная алгебра — Ссылка

Кроме того, вы приняли участие в следующих курсах и лекциях, чтобы расширить свой опыт:

  • AMMI — Курс углубленного изучения геометрии — Ссылка
  • Стив Бертон — Машинное обучение и динамические системы — Ссылка на плейлист
  • Тюбинген — Вероятностное машинное обучение — Ссылка на плейлист
  • Тюбинген — Компьютерное зрение — Course Link
  • Пенсильванский университет — Графовые нейронные сети — Ссылка
  • Стэнфорд — Обучение с подкреплением — Ссылка на плейлист
  • DeepMind — Введение в обучение с подкреплением — Ссылка
  • Стэнфорд — Обработка естественного языка с помощью глубокого обучения — Ссылка
  • OpenMined — Частная серия ИИ — Ссылка

Чтобы еще больше обогатить свои знания и оставаться в курсе событий, вы также следите за контентом, предоставленным каналом Machine Learning Street Talk на YouTube — Ссылка.