В начале машинного обучения легко быть перегруженным огромным количеством ресурсов, доступных в Интернете и в физической форме, что может привести к параличу действий. Мой опыт заключался в том, что я изрядно вырезал и менял книги и планы, пытаясь справиться с огромным количеством и качеством материала. Как это обычно бывает в ранний период появления новых парадигм в любой области, «эксперты» пытаются нажиться на количестве людей, стремящихся изучить новые методы, и это часто приводит к тому, что книги плохого качества издаются людьми, обладающими небольшими или обширными знаниями в этой области. Эта область пытается нажиться. Это причина, по которой в этой быстро развивающейся и расширяющейся области некоторые люди становятся фактическими гуру дня. На ум приходит Эндрю Нг. Они производят один ресурс, который, по общему мнению, является высококачественным ресурсом. Я обнаружил, что было много информации, но ни одна книга или ресурс, который можно было бы назвать подходящим ресурсом. Поэтому путем проб и ошибок я пришел к своей системе обучения. Раньше я использовал только бесплатные ресурсы. Скоро я подробно опишу свой список бесплатных ресурсов в другой статье.
Мне повезло, и я наткнулся на сайт Datacamp, когда искал курсы по машинному обучению. Сначала я выбрал бесплатное членство, которое дает доступ к ограниченному набору курсов и только к первой главе каждого курса. Я хотел сначала увидеть, что это такое и методология обучения. Подача материала также была очень важна. Я не хотел ничего, что тратило еще больше времени. Причина, по которой мне понравился Датакемп и я решил оплатить годовую подписку, заключалась в следующем:
Перечислю плюсы и минусы.
Мне понравился стиль преподавания. Смесь коротких видеолекций, за которыми следует практическое, хотя и управляемое кодирование. Управляемое кодирование или «рукопожатие», как его иногда называют, на самом деле является благословением. Среда программирования настраивается за вас, поэтому вам не нужно тратить время на настройку сред (для начинающего программиста это может быть огромным и трудоемким препятствием). При использовании пакета программного обеспечения для программирования, такого как, например, netbeans, кривая обучения для новичка очень крутая. Это может очень деморализовать новичка в машинном обучении, поскольку «мини-победы» каждый день необходимы, когда вы изучаете концепции машинного обучения. На мой взгляд, увязнуть в мельчайших подробностях сред программирования и нюансах различного программного обеспечения было бы вредно.
Темы были представлены в течение примерно 4 часов в основном. Что для людей, которые учатся неполный рабочий день, выполнимо, если несколько часов посвящены обучению по вечерам несколько дней в неделю.
В каждом курсе перечислены обязательные курсы/знания, необходимые для прохождения этого конкретного курса. Это придает логическую структуру обучению.
Система отслеживает данные практические упражнения, а тесты проводятся часто и охватывают каждую новую введенную тему.
На момент написания количество доступных курсов составляет 325. Они разбиты на различные классы методов машинного обучения, а также на классы в зависимости от используемого языка программирования. В основном используется язык Python вместе с его различными библиотеками машинного обучения, например. scikit-learn, numpy, matplotlib и т. д., а также другие языки, такие как R. Даются необходимые навыки/знания для каждого курса. Постоянно добавлялись новые курсы и проекты. Предстоящие новые курсы можно было увидеть в личном кабинете.
Более длинные и сложные практические проекты также подробно рассматриваются для повышения уровня навыков. Например, один из текущих проектов, доступных для изучения и работы, называется «Прогнозирование тарифов на такси с помощью случайных лесов: используйте деревья регрессии и случайные леса, чтобы найти места, где нью-йоркские таксисты зарабатывают больше всего». Распространенная дилемма среди новичков в области машинного обучения заключается в том, какие более сложные проекты следует решать, чтобы справиться с реальным применением машинного обучения. Это помогает в этом процессе и дает вам подробные знания о практических шагах, которые необходимо использовать в реальном мире для разработки, проектирования и написания нового программного обеспечения для машинного обучения. Я обнаружил, что это действительно помогло мне дополнить мои навыки базовыми знаниями о том, что включает в себя проект машинного обучения.
Подводя итог, я нашел сайт Datacamp очень полезным учебным ресурсом. Все по стоимости бутерброда и кофе в месяц. При условии, что вы дисциплинированы и пользуетесь курсами и проектами, выполняя курс за курсом, ваша цена многократно превышает эту цену. Мне нравилось вставать рано и делать несколько упражнений ежедневно, а затем снова, когда я мог. Существует также приложение, так что вы можете проходить курсы на своем телефоне или планшете, находясь вне дома. Хотя я не могу сказать, что работал на чем-то другом, кроме своего настольного компьютера. Я определенно рекомендую Datacamp другим учебным ресурсам по подписке, так как я думаю, что они очень организованы и постоянно пополняются новыми материалами.
