Две недели назад я завершил и отправил мой главный проект для Udacity Machine Learning Engineer Nanodegree Program, так что я хотел бы поделиться своим опытом с другими, рассматривающими эту программу. На выполнение всей программы у меня ушло 5 месяцев, что является неплохим результатом, учитывая, что у меня есть постоянная работа в сфере путешествий. Согласно Udacity, средний срок завершения составляет 6 месяцев, но на всякий случай они также дают вам до 12 месяцев. Я начну с того, что поделюсь своим общим опытом, а затем в будущих публикациях я буду углубляться в каждый проект, объясняя больше технических моментов, вместе с кодом Python и комментариями. Некоторые из проектов включают изучение клиентов через сегментацию клиентов; прогнозирование цен на рынке жилья; обучение беспилотному автомобилю; и использование глубокого обучения для классификации изображений. Подробнее об этом я напишу здесь и в моем новом блоге, который все еще строится.
Отличная программа
В целом, я настоятельно рекомендую эту программу всем, кто серьезно относится к науке о данных и машинному обучению, особенно если вы целеустремленный ученик, которому нужна гибкость онлайн-платформы, чтобы вы могли продолжать свою повседневную работу, одновременно улучшая свои знания. Я выполнил все 7 частей основной учебной программы (6 проектов и исходный краеугольный камень по моему выбору). Контент в значительной степени охватывал темы контролируемого, неконтролируемого, подкрепления и глубокого обучения. Материал был тщательно представлен с достаточной предысторией, чтобы быстро освоить даже новичка. Тем не менее, вы должны, по крайней мере, заранее пройти некоторые курсы Python и / или курс анализа данных или статистики, иначе вы будете сталкиваться с стеной довольно часто и довольно тяжело, учитывая некоторые из более сложных частей позже в курсе. Лично у меня уже были некоторые знания о машинном обучении, прочитав книгу An Introduction to Statistical Learning in R и пройдя вводные курсы Python от MITx на EdX. Даже с предварительными знаниями у вас все еще могут быть бессонные ночи, но это вполне нормально в данном случае. поле, и оно всегда того стоит, если вы будете его придерживаться и прорваться вперед. Как правило, все проекты были тщательно продуманы и логически представлены, чтобы вы могли перейти от введения к пониманию и практической реализации моделей в разумные сроки.
Nanodegree также предлагал некоторые инструменты, связанные с карьерой, такие как обзор резюме, советы по использованию Kaggle и советы по прохождению собеседований и обновлению вашего любимого профиля, но я, честно говоря, не использовал их часто, так как моей целью было выжать из ядра как можно больше. контент машинного обучения. Еще одна особенность программы заключалась в том, чтобы нанять наставника, который помогал вам составить план завершения программы и связывался с вами, когда вы сталкиваетесь с препятствиями. Однако у меня появился наставник только в первые пару недель, а затем я получил сообщение о том, что я прошел программу наставничества, но не было ясно, почему и как. Я подозреваю, что это произошло из-за того, что я выглядел достаточно хорошо подготовленным, учитывая мой опыт и производительность в первой паре проектов. Так что я не могу сказать, что мне помог аспект наставничества. Опять же, честно говоря, я не думаю, что мне нужен был наставник как таковой, но мне действительно нужна была действительно хорошая, индивидуальная и быстрая обратная связь, чтобы улучшить мои основные навыки. Вот где действительно сияет Udacity! Иногда я получал обратную связь в течение 30–45 минут, и рецензенты не оставляли камня на камне в плане указания областей, требующих улучшения, и дополнительных справочных материалов. На самом деле, отзывы были настолько хорошими, что я сохранил их и часто возвращаюсь к ним, чтобы освежить их. на хитрых концепциях.
Мои личные разочарования
Однако я был немного разочарован проектом по глубокому обучению и сверточным нейронным сетям, поскольку он был в буквальном смысле довольно запутанным, каламбуром :). За первой версией лекционных материалов для этого проекта было очень трудно следовать, и она казалась мешаниной из разных частей, соединенных вместе. Конечно, эта тема была и остается новой и быстро меняется, но с первого раза ее можно было представить лучше. Однако к тому времени, когда я завершил Nanodegree, уже существовал новый набор более однородных материалов для уроков, в которых Keras вместо TensorFlow использовался в качестве основной библиотеки для моделей. Это было долгожданное изменение, так как Keras более интуитивно понятен, чем TensorFlow, но для меня это изменение произошло слишком поздно :(. Тем не менее, я должен добавить, что, хотя было трудно разобрать некоторые из связанных вместе уроков и подняться крутая кривая обучения TensorFlow, я в итоге узнал намного больше, сверяясь с другими материалами, такими как CNN Стэнфордского класса для визуального распознавания (CS231) и Практическое глубокое обучение Fast.ai для кодеров.
Последнее слово
Мораль этого поста заключается в том, что если вы думаете о запуске этой программы, дерзайте! Убедитесь, что вы соответствуете предварительным требованиям (Python, статистика и линейная алгебра), и вы определенно станете мудрее на другом конце. Я ценил время и деньги. Существует всего несколько программ с таким уровнем высококачественных материалов, инструкций и исчерпывающей системой обратной связи / обзора. Я рад, что по ночам смотрел видео, делал заметки и кодировал их. Еще у меня есть классный сертификат, который я могу показать :). Я вижу, что это только намокает, и я ищу материал следующего уровня. Я уже начал использовать свои новые навыки машинного обучения на своей нынешней работе, и в будущем я поделюсь некоторыми несущественными примерами. До следующего раза, удачного кодирования!
