Кому нужно знать, как обдумывать и применять машинное обучение? Все чаще большинство из нас. Машинное обучение быстро превратилось в готовый инструмент в наборе инструментов для всех, кто хочет оказать влияние. Я делюсь тем, что вижу, со студентами колледжей и молодыми специалистами на моем курсе Социальные инновации и в когортах Bessel Origin, и настоятельно рекомендую ознакомиться с Введением в машинное обучение Эндрю Нг на Coursera. Я завершаю эту короткую статью мини-обзором и ссылкой на курс Эндрю.
Буду рад вашим комментариям о том, кому нужно машинное обучение и как этого достичь!
Три категории профессий, которые возглавляют список растущего спроса в Отчете о будущем рабочих мест Всемирного экономического форума за 2020 год, включают данные, машинное обучение и искусственный интеллект. Вот несколько анекдотических наблюдений о машинном обучении, чтобы проиллюстрировать, как аналитика данных/машинное обучение/ИИ трансформируют многие другие рабочие места.
Я сотрудничаю с ведущими университетами по всей стране, чтобы обучать и консультировать студентов о том, как повлиять на работу. За последние 3 года я видел, как использование машинного обучения в студенческих завершающих проектах перешло от экзотических (машинное обучение как фокус проекта) в очень небольшом подмножестве проектов (‹10%) к рутинным (машинное обучение как инструмент в типичном проекте) в постоянно растущей доле проектов (более 20% и быстро растет). Я вижу, как все больше и больше студентов прибегают к машинному обучению, чтобы решать свои проблемы почти так же естественно, как и графически отображать данные. Я ожидаю, что очень скоро машинное обучение станет еще одним набором инструментов в наборе инструментов любого количественно компетентного профессионала. (Свободно владеет цифровыми технологиями?
Точно так же, как сегодня мы ожидаем, что эти профессионалы — в социальных науках, бизнесе и финансах, физических науках, информатике, инженерии, прикладной математике — будут способны отображать данные, аппроксимировать кривые, использовать описательную статистику и простые статистические тесты, мы будем все больше ожидать, все специалисты, использующие данные для принятия решений или управления своей работой, должны чувствовать себя комфортно с инструментами машинного обучения.
Поддерживая предпосылку: машинное обучение появляется в виде готовых подпрограмм, доступных через графический интерфейс в Matlab, Minitab и других программах. Вы помните экспорт данных из электронных таблиц в графические программы? Надстройки ML для электронных таблиц уже существуют, и очень скоро мы увидим инструменты ML в самих программах для работы с электронными таблицами.
Вот один из отличных способов улучшить свои знания в области машинного обучения. Я настоятельно рекомендую «Введение в машинное обучение» Эндрю Нг.
Я закончил курс Эндрю в начале этого года и дал бы ему подзаголовок «Учись на практике: как думать о машинном обучении и применять его». Я настоятельно рекомендую его всем, от практиков до технического или высшего руководства.
https://www.coursera.org/learn/machine-learning/home/welcome
Этот курс поражает широкую аудиторию. Чем больше вы принесете на курс, тем больше вы сможете получить от него, и в то же время он доступен, поэтому вы можете получить от него то, что вам нужно.
Вы можете пройти его без знания линейной алгебры, особенно если вы написали простейшее кодирование, с которым сможете справиться. Если у вас есть опыт работы с линейной алгеброй, вам будет легко справляться с большинством задач, поэтому вы можете сосредоточиться на машинном обучении. У вас есть опыт работы с численными методами, особенно с оптимизацией? Будьте готовы к веселью. Если вы думали о проверке моделей и планировании экспериментов, вам действительно понравятся части, посвященные обучению, перекрестной проверке и проверке моделей (анализу возрастающей ценности большего количества данных, дополнительных функций, чувствительности к параметрам поиска модели ML и т. д.). К концу курса вы научитесь организовывать и руководить индивидуальной работой или командами, разрабатывающими сложные рабочие процессы машинного обучения.
Совет: воспользуйтесь бесплатной лицензией на использование онлайн-матлаба для этого курса. Блокноты проекта значительно облегчают выполнение работы, и, как отмечает Эндрю Нг, Matlab — это распространенный способ прототипирования алгоритмов машинного обучения.
Я знаю, что многие люди начали свое машинное обучение с Kaggle. Это отличный вариант. Я думаю, что начать с курса и перейти на Kaggle, как это сделал я, — отличный способ. Путей, вероятно, столько же, сколько и людей — во многих отношениях это личное путешествие.
Мне было бы интересно услышать ваше мнение о том, кому нужны навыки машинного обучения и как их получить. Спасибо!
Bessel сочетает в себе дизайн, ориентированный на человека, и гибкую командную работу для преобразования отдельных лиц, команд и организаций.
О Крисе Данеке
Крис провел последние 25 лет, создавая успешные компании по производству медицинского оборудования. Он создал Bessel Origin на основе многолетнего обучения и исследований в сотрудничестве с командами из Университета Санта-Клары, Католического университета в Вашингтоне, округ Колумбия, и Техасского университета в Эль-Пасо. Крис — инженер, предприниматель и учитель. Он изучал дизайн-мышление и разработку новых продуктов и процессов, получив докторскую степень в Стэнфордском университете, имеет степень магистра делового администрирования в Уортонской школе Университета Пенсильвании и является отмеченным наградами преподавателем социальных инноваций.
О программе Bessel Origin
Bessel Origin — это реальная программа подготовки к работе для начинающих профессионалов и людей, делающих профессиональный поворот, чтобы они могли преуспеть в команде. Мы отличаемся от других курсов или программ уникальным сочетанием дизайнерского мышления и гибкой командной работы, активного наставничества, интерактивных семинаров и практических проектов для небольших команд.
Для профессионалов программа Bessel Origin — это проверенный способ перенять передовой опыт работы в команде и учиться на реальном опыте работы. Для работодателей Bessel реализует важные инновационные проекты и помогает выявлять, развивать и удерживать лучших исполнителей, используя управление талантами, основанное на фактических данных.
