01.01.2020 я решил начать изучать ML, и вы узнаете вместе со мной в этой статье, как я это сделал
До декабря 2019 года я совершенно не имел представления об ML/AI.
что тебе нужно?
- Время, вам нужно освободить себя хотя бы на 2 часа в день.
- У вас должны быть некоторые навыки программирования. Вам должно быть комфортно знакомиться с Python по ходу дела.
- Некоторое математическое образование в прошлом (алгебра, геометрия и т. д.).
- Доступ к Интернету и компьютеру.
Шаг 1
Я начал с первой книги «Стостраничная книга по машинному обучению Андрея Буркова», вы можете найти мой обзор этой книги прямо здесь:
Это была отличная вводная книга, а поскольку у меня была степень бакалавра математики, в основном понятия не были слишком сложными.
Затем я начал другую книгу «Практическое машинное обучение с помощью Scikit-Learn и TensorFlow: концепции, инструменты и методы создания интеллектуальных систем». Эта книга — та, над которой я боролся больше всего, поскольку это скорее практическая книга.
Взгляните на лучшую книгу по машинному обучению.
Шаг 2
Пройдите курс fast.ai — Practical Deep Learning for Coders — Part 1. Это занимает около 4–6 недель усилий. В этом курсе есть занятие по запуску кода в облаке. Google Colaboratory имеет бесплатный доступ к графическому процессору. Начните с этого. Другие варианты включают Paperspace, AWS, GCP, Crestle и Floydhub. Все это здорово. Не начинайте строить свою собственную машину. По крайней мере, пока.
Шаг 3
Настало время узнать некоторые основы. Узнайте о исчислении и линейной алгебре.
Для исчисления Большая картина исчисления дает хороший обзор.
Что касается линейной алгебры, курс Гилберта Стрэнга по OpenCourseWare в Массачусетском технологическом институте просто великолепен.
Как только вы закончите два предыдущих, прочитайте Матричное исчисление для глубокого обучения.
Шаг 4
Настало время понять восходящий подход к глубокому обучению. Пройти все 5 курсов по специализации глубокого обучения на Coursera. Вы должны заплатить, чтобы получить оценки заданий. Но усилия действительно того стоят. В идеале, учитывая тот опыт, который вы уже получили, вы должны проходить один курс каждую неделю.
Шаг 5
"Полная работа и отсутствие развлечений делают Джека скучным мальчиком"
Сделайте завершающий проект. Это время, когда вы углубляетесь в библиотеку глубокого обучения (например, Tensorflow, PyTorch, MXNet) и реализуете архитектуру с нуля для решения проблемы, которая вам нравится.
Первые три шага связаны с пониманием того, как и где использовать глубокое обучение, и получением прочной основы. Этот шаг связан с реализацией проекта с нуля и созданием прочной основы для инструментов.
Шаг 6
А теперь иди и пройди вторую часть курса fast.ai — Передовое глубокое обучение для программистов. Это охватывает более сложные темы, и вы научитесь читать последние исследовательские работы и понимать их смысл, это мой обзор.
Каждый из шагов должен занять около 4–6 недель. И примерно через 26 недель после того, как вы начали, и если вы неукоснительно следовали всему вышеперечисленному, у вас будет прочная основа для глубокого обучения.
Что делать дальше?
Пройдите курсы Стэнфорда CS231n и CS224d. Эти два удивительных курса с большой глубиной для видения и НЛП соответственно. Они охватывают новейшее состояние искусства. И прочтите книгу глубокого обучения. Это укрепит ваше понимание.
Вывод:
Вы можете связаться со мной по адресу:
