Я наткнулся на видео Зака Миллера, старшего специалиста по данным, о том, как он переходит от преподавателя физики к специалисту по данным. Этот блог был вдохновлен им. Ссылку на видео предоставлю в конце.
Ближе к концу я поделюсь своим собственным взглядом и опытом того, как стать специалистом по обработке данных с нуля. А пока давайте погрузимся в его личные истории. По его словам, самый первый шаг - это выучить математику. Чтобы понять машинное обучение, вам нужно выучить математику, лежащую в основе его функций. Если вы боитесь математики, это может показаться вам неприятным. Хорошая новость в том, что это элементарная математика в средней школе или первый год обучения в университете. Базовая математика: линейная алгебра, матрица, исчисление, статистика и вероятность. Вы можете получить базовые знания из; Открытый курс линейной алгебры MIT, Открытый курс MIT Calculus, Статистика и вероятность MIT. Здесь я порекомендую Машинное обучение профессора Эндрю Нга из Coursera, онлайн-ресурсов.
Изучите язык программирования
Прежде чем перейти к машинному обучению, вам необходимо выполнить второй шаг. Потратьте время и изучите либо python, либо R. Я порекомендую python, так как он прост в освоении. Почему все это? зачем мне их учить? Я объяснил это здесь, Эра глубокого обучения.
Прочтите книгу
Да, вы должны прочитать несколько книг, в которых преподаются основы науки о данных. Рекомендуемая книга - Наука о данных с нуля Орелли ».
Поздравляю! теперь вы готовы начать путешествие по машинному обучению :) Пожалуйста, обратите внимание, что вам нужно потратить время на пиплайн машинного обучения; предварительная обработка и обработка данных. Этот процесс - самая скучная часть, но как только вы овладеете им, ваше путешествие станет более быстрым и простым. Веселая часть! Сделайте Google и Stack-Overflow партнером. Если не понимаете, задавайте им вопросы :)
Резюме: за 6 месяцев
· Изучите математику (2–3 месяца)
· Изучение языка программирования python (1-2 месяца)
· Начало обучения машинному обучению и тестовых проектов (2–3 месяца)
· Выполняйте краткосрочные увлеченные проекты (более 1 месяца)
Помните
· Вы будете часто терпеть неудачи, разочаровываться, но кого это волнует.
· Ваши модели могут быть непрогнозируемыми даже после бессонных ночей.
· Отслеживайте свои проекты на Github (место, где вы сохраняете свои проекты), пишите свои результаты и блог об этом, включая свои разочарования и успехи на каждом этапе.
Если для человека с математическим образованием это займет 6 месяцев, то для человека, не имеющего математического образования, потребуется не менее 9 месяцев.
Чтобы достичь этой цели, вы должны выработать распорядок дня и сохранять последовательность и настойчивость. Прилагаем 23-минутную презентацию Зака Миллера. В следующем посте я поделюсь с вами своим опытом. И представьте метод, который сработал для меня, от нуля до повышенного уровня. Но если вы повторно посетите этот блог, вы увидите встроенную ссылку на него.
Я опубликовал Путь к погружению в ИИ под заголовком 5 специализаций для проникновения в ИИ.
