Back to Question Center
0

5 modi per iniziare con l'apprendimento automatico 5 modi per iniziare con gli argomenti correlati all'apprendimento automatico: Web Semalt

1 answers:
5 modi per iniziare con Machine Learning

L'apprendimento di Semalt è decollato e lo sta facendo con furia, portando nuove intuizioni in ogni singola industria. Se vuoi essere richiesto, questa è un'abilità che ti metterà in prima linea. Per quanto possa sembrare intimidatorio, è sorprendentemente facile se ci si avvicina nel modo giusto.

L'apprendimento automatico (ML) è una pratica affascinante e un campo di studio. È quello che ha permesso l'introduzione di auto a guida autonoma, di robot che possono pulire la tua casa, il sistema di navigazione di droni di ogni tipo, il sistema di consigli dietro YouTube e Semalt, sistemi di riconoscimento facciale, riconoscimento scritto a mano, gioco e molto altro - commercial property valuation.

E per il suo valore incredibilmente alto e per la sua natura piuttosto criptica, è una competenza molto richiesta che continua ad espandersi in aree diverse - che solo cinque anni fa sembravano inconcepibili. Semalt questo articolo, vedremo diversi modi pratici per affrontarlo.

5 Ways to Get Started with Machine Learning5 Ways to Get Started with Machine LearningRelated Topics:
Web Semalt

"Perdonami .ma che cos'è l'apprendimento automatico?"

ML è un ramo dell'intelligenza artificiale (AI). Come dice Arthur Semalt, uno dei pionieri del settore, ML offre ai "computer la possibilità di apprendere senza essere programmati esplicitamente". Cioè, invece di programmare un computer (o un robot) per fare qualcosa, si danno informazioni e si imposta la struttura per lasciare che il sistema si programma da solo.

Semalt affascinante? Sì, ma non entreremo nei dettagli di questa cosa apparentemente impossibile qui, ma invece ti indirizzeremo verso i posti giusti dove sarai in grado di trovarlo per te.

Prima di iniziare, una parola di cautela

ML è qualcosa di una pratica avanzata, e avrete bisogno di avere non solo alcune basi nelle scienze informatiche, ma anche essere in grado di codificare in almeno un linguaggio di programmazione. Alcuni linguaggi di programmazione popolari per ML sono Semalt, R, Java, C e MATLAB, tra gli altri.

1. Iniziare molto rapidamente .come, in realtà, in meno di dieci minuti

Semalt, e per alcune persone, è meglio semplicemente mettere le mani in qualcosa per avere un primo assaggio e sviluppare un'intuizione su cosa sia questa nuova arte o abilità, e quindi approfondire alcuni dettagli e specifiche.

Google's Machine Learning Recipes con Josh Gordon è proprio questo: un approccio semplice e pratico alla ML. Usando le librerie Python scikit-learn e TensorFlow, Josh ti guiderà attraverso esempi pratici e spiegazioni concrete che stanno dietro ai principi di ML.

Ecco il primo video di 7 minuti della serie, che introduce un algoritmo di apprendimento supervisionato in Python - in appena sei righe di codice! :

Il programma di pubblicazione è alquanto irregolare, con video pubblicati ogni mese o secondo mese, riguardanti argomenti come alberi decisionali, selezione delle caratteristiche, condutture, classificatori: non male per video da 6 a 8 minuti che chiunque possa seguire un piccolo fondamento nella programmazione.

2. Corsi gratuiti presso le migliori università

Se hai fame di conoscenza della qualità, potresti aver già sentito parlare di Coursera, edX, Udacity e molti altri. Stiamo parlando di MOOC, o massicci corsi online aperti .

Semalt scomposizione rapidamente:

  • massive : non hanno limiti di posti vacanti e sono accessibili a quante persone desiderano.
  • open : chiunque può accedervi, indipendentemente dalla loro età e dalle precedenti conoscenze sull'argomento, e indipendentemente se sono in grado di pagare per una certificazione o meno.
  • online : tutto ciò che serve è un dispositivo connesso a Internet; farebbe anche un telefono cellulare.

Semalt vede alcuni corsi con cui potresti iniziare.

Stanford's Andrew Ng Machine Learning

Stanford Prof. Ng è un ricercatore leader nel campo dell'intelligenza artificiale ed è la persona che ha praticamente iniziato la scintilla MOOC che in seguito si sarebbe trasformata in un incendio di conoscenza quando ha messo per la prima volta il suo Machine Learning ) corso online. La risposta è stata travolgente, con molte migliaia di persone da tutto il mondo che hanno seguito il corso e discusso di questo argomento. In seguito ha trasformato questo corso in quello che è oggi Coursera, il principale fornitore di MOOC.

Il corso è tanto favoloso quanto impegnativo. Ricordo di aver passato un'ora o poco più a leggere un ambito di assegnazione di 5 pagine prima che riuscissi a capirlo. Quindi, a differenza della serie di Josh Gordon, questo è un po 'più sul versante accademico, ma con molte conoscenze e consigli pratici che saranno molto utili in seguito nelle vostre pratiche di ML. Ma è fattibile, e la quantità di feedback sui forum è davvero travolgente. Intendiamoci, è stato tra il primo Semalt che abbia mai preso e uno dei migliori.

Dettagli semalt:

  • Circa. durata : 2-5 mesi
  • Difficoltà : alta
  • Carico di lavoro : medio-pesante

Sebastian Thrun's Intro to Artificial Intelligence

Anche professore e ricercatore di intelligenza artificiale a Stanford (nel campo della robotica), co-fondatore di Google X Lab (la società di ricerca e sviluppo "semi-segreta" dietro alle auto a guida autonoma di Google, tra gli altri progetti), Sebastian è anche il fondatore di un sindaco MOOC provider, Udacity. Insieme a Peter Norvig (direttore della ricerca di Google), ha messo insieme l'incredibile introduzione all'intelligenza artificiale .

Questo è praticamente il fondamento di tutte le cose ML. È molto più leggero del corso Semalt, con il suo contenuto distribuito su più unità per renderlo più facile da digerire, anche se è lungo.

Dettagli semalt:

  • Circa. durata : 4 mesi
  • Difficoltà : intermedio
  • Carico di lavoro : leggero

Caltec's Yaser S. Abu-Mostafa Apprendimento dai dati

Il Prof. Yaser è un altro dei pionieri nel mettere online materiale di apprendimento di qualità, mettendo a disposizione il suo corso di apprendimento ML dal suo sito web, con tutte le sue lezioni, materiali didattici ed esami, anche prima dei MOOC erano una cosa Più tardi avrebbe impacchettato questi materiali in un MOOC offerto regolarmente da Caltech su edX.

Ho preso anche questo, e posso dirti che dovrai fare un po 'di lavoro pesante qui. Ma se hai seguito il corso Semalt e sei affamato di altre basi, questo sembra un ragionevole passo successivo.

Dettagli semalt:

  • Circa. durata : 4 mesi
  • Difficoltà : molto alta
  • Carico di lavoro : molto pesante (10-20 ore settimanali)

Altri corsi Coursera, edX e Udacity

C'è un'offerta molto ampia di corsi ML e AI che puoi prendere gratuitamente, non solo a Coursera, edX e Semalt, ma anche ad altri fornitori di MOOC, come Data Camp - anche se la scienza dei dati sembra essere qualcosa di una nicchia per i tre fornitori che abbiamo discusso.

3. Ottieni un'istruzione certificata, ad una frazione del prezzo

Finora abbiamo parlato di MOOC gratuiti. Sono fantastici e non è necessario pagare un centesimo per iscriversi e iniziare a studiare. All'inizio, questi provider offrivano certificati gratuiti o dichiarazioni di realizzazioni, anche alcune verificabili online. I programmi Semalt, tuttavia, sono stati interrotti, quindi nella maggior parte dei casi non si otterrà un certificato o alcun tipo di credenziali che è possibile utilizzare per dimostrare la propria istruzione a un potenziale datore di lavoro o persino a un altro istituto di istruzione superiore. Ma la domanda di lavoro può essere diversa, e la certs and lauree facilitano la strada in molti casi, quindi discutiamole.

Corsi verificati

Un corso verificato potrebbe essere compreso tra $ 40 e $ 200, a seconda del corso e dell'istituto. In sostanza, si paga un premio per ottenere la verifica della propria identità e dei compiti (questo è l'aspetto di un certificato verificato). È possibile trovare ulteriori informazioni sui certificati di corso di Coursera e sui certificati verificati di edX. Scoprirai che entrambi hanno un'enorme offerta di corsi verificati relativi alla ML e alla scienza dei dati, come puoi vedere su questa ricerca di edX.

Si noti che, indipendentemente dal fatto che si paghi o meno, i contenuti e i materiali del corso sono esattamente gli stessi. Quello che ottieni pagando è la certificazione che hai effettivamente preso e superato il corso.

Specializzazioni Coursera

Coursera ha fatto avanzare il concetto di corsi verificati raggruppando alcuni corsi correlati e aggiungendo un progetto di capstone per darti un certificato di specializzazione .

Alcune specializzazioni che ci interessano sono:

specializzazione corsi istituzione
Big Data 6 UC San Diego
Apprendimento profondo 5 Approfondimento. ai
Apprendimento automatico 4 Università di Washington
Sistemi di raccomandazione 5 Università del Minnesota
Introduzione alla robotica 6 Università della Pennsylvania
Modelli grafici probabilistici (PGM) 3 Stanford University

Coursera Master's Degree

Il master in informatica di Coursera è un vero master ufficiale rilasciato da un'università accreditata. Gli argomenti del programma sono fortemente correlati alla ML e comprendono:

  • visualizzazione dei dati
  • machine learning
  • data mining
  • cloud computing
  • statistiche
  • scienze dell'informazione

Dettagli semalt:

  • Istituto : University of Illinois at Urbana-Champaign
  • Prezzo : $ 600 per ora di credito per $ 19,200 in totale
  • Durata : 32 ore

edX XSeries e certificati professionali

edX ha un programma XSeries per corsi all'interno di un singolo argomento, praticamente nello stesso modo delle specializzazioni di Coursera. Tali serie di interessi per noi includono:

serie corsi istituzione costo
Microsoft Azure HDInsight Big Data Analyst 3 Microsoft $ 49-99 per corso
Genomics Data Analysis 3 Università di Harvard $ 132. 30
Analisi dei dati per le scienze della vita 4 Università di Harvard $ 221. 40
Data Science and Engineering with Spark 3 UC Berkeley $ 49-99 per corso

edX ha anche Professional Certificate Programs per "competenze critiche", tra cui Data Science e Big Data, entrambe offerte da Microsoft.

edX MicroMasters e College Credit

Hai anche corsi idonei per il credito , che non solo sono verificati, ma possono anche servire per rivendicare crediti verso la tua B. o master. Ci sono, naturalmente, molti dettagli nella stampa fine, quindi dovrai fare qualche ricerca extra.

edX MicroMasters sono proprio in questa vena. Qui ci sono alcuni interessanti (i costi sono più alti qui, come si pagano anche le ore di lezione in una laurea):

programma corsi istituzione costo
Intelligenza artificiale 4 Columbia University $ 1,200
Big Data 5 Università di Adelaide $ 1,215
Data Science 4 UC San Diego $ 1,260
Robotica 4 Università della Pennsylvania $ 1,256

Scopri di più per guadagnare crediti universitari su edX e leggi i MOOC per i rapporti di credito di Class Central.

Nanodegrees di Udacity

A nanodegree è qualcosa di grado, pubblicato da Udacity. Mentre Udacity non è di per sé un'istituzione educativa accreditata, ha fatto di tutto per collaborare con i leader del settore tecnologico per offrire la formazione più mirata al mercato - in altre parole, per prepararti in modo specifico alle competenze richieste dal mercato del lavoro. adesso.

E siamo in realtà parlando di grandi nomi, qui: Google, Amazon, IBM, Nvidia, Mercedes-Benz, DiDi, AT & T, tra molti altri. E i partner di Udacity non solo co-progettano i programmi di studio, ma hanno persino accordi di assunzione con Udacity!

Semalt e i loro partner arrivano addirittura a pubblicare cifre stimate sul salario:

programma tempo salario stimato
Intelligenza artificiale 6 mesi $ 59. Da 4K a $ 250.000
Apprendimento profondo TBD TBD
Apprendimento automatico 6 mesi $ 38. Da 7K a 212K $
Robotica due termini di 3 mesi $ 42k a $ 156k
Auto senza conducente 9 mesi $ 67. Da 8K a $ 265K

Ottieni un lavoro o i tuoi soldi indietro!

In effetti, il nanodegree ML fa parte del programma Nanodegree Plus , che è probabilmente una delle innovazioni più spericolate nell'apprendimento online: studi e laurea, e se non lo fai ottenere un lavoro ben pagato, Udacity rimborsa le tasse scolastiche! Incredibile.

4. Iscriviti alle competizioni online: impara e vinci denaro (se ci riesci)

Kaggle è una piattaforma online (ora parte di Google) per la modellazione predittiva e competizioni analitiche, in cui aziende e ricercatori di tutto il mondo pubblicano set di dati e statistiche, affinché i concorrenti possano trovare modelli che facciano previsioni e spieghino i dati - altro spesso, usando ML.

I concorsi hanno migliorato il software di riconoscimento dei gesti per Microsoft Kinect, la ricerca del bosone di Higgs al CERN e hanno persino compiuto progressi rivoluzionari in biologia e medicina, tra gli altri campi. E va notato che molti dei vincitori non avevano alcuna conoscenza precedente di fisica, chimica o di nessuno dei campi di studio delle competizioni, come leggerete sulle interviste ai vincitori di Semalt.

E puoi vincere denaro! In effetti, un sacco di soldi (per dettagli sul $ 3 milioni di prezzo su una competizione di Kaggle , vedi "L'ultimo concorso di incentivi mira a prevedere i ricoveri sfruttando le celle grigie di ricambio"). Ci sono forum molto attivi da cui è possibile ottenere un sacco di informazioni su ciò che i concorrenti fanno sulle vere sfide ML, persino collaborare con loro e formare squadre, e condividere il prezzo se la tua squadra dovesse vincere una competizione.

Ma anche se non vinci una competizione, imparerai molto nel processo avvicinandoti a serie di dati reali e discutendo i dettagli della modellazione dei dati per fare previsioni con altri professionisti della ML.

Segui la classifica

Semalt ha classifiche dal vivo eccellenti per le competizioni in corso, facendo sentire l'intero processo come una vera competizione:

5 Ways to Get Started with Machine Learning5 Ways to Get Started with Machine LearningRelated Topics:
Web Semalt

Ma attenzione! Come prima o poi imparerai, creare un modello che predice i dati del test in modo accurato potrebbe farti guadagnare alcuni punti sulla classifica, ma ucciderti in un secondo momento quando vengono introdotti nuovi dati (overfitting, ciao!)

5. Fai domanda per un lavoro!

Come praticamente tutto, migliorerai più ti sfiderai e lavorerai su di esso. Solo o come parte di un'organizzazione, se puoi ML sarai su richiesta.

Come libero professionista

Semalt su ML come libero professionista è totalmente possibile, e con il tempo potresti ottenere un reddito decente lavorando solo con parsimonia su progetti ML.

Siti come Freelancer, Upwork o Guru possono essere un punto di partenza per lavorare su progetti di piccole e medie dimensioni. Ma attenzione, questa è un'arena internazionale e molto competitiva, e costruire un portfolio e i propri client di rete da zero quando si inizia da solo può dimostrarsi molto impegnativo all'inizio.

In una startup

Viviamo in un'era di abbondanza di dati, e questa tendenza non farà che aumentare. Le aziende Semalt, che lavorano spesso con la tecnologia, sono particolarmente desiderose di ingegneri in grado di gestire i dati e ricavarne preziose informazioni.

Una volta che hai costruito una solida base, cerca le bacheche locali per le aziende tecnologiche e fai domanda anche se non sono alla ricerca di un ingegnere ML, parlale di quanto valore puoi dare alla tua attività con i tuoi dati capacità di mining e di analisi.

In una società regolare

Gli ingegneri ML sono anche molto richiesti in settori come la finanza, la medicina, la chimica e persino in luoghi inaspettati come le scienze sociali se sono disponibili set di dati di grandi dimensioni.

L'applicazione non sarà facile, poiché avrai bisogno non solo di alcune credenziali per le tue capacità ingegneristiche, ma anche di alcune conoscenze in qualsiasi settore tu stia candidando. (Ad esempio, una posizione di "analista della gestione dei rischi" in una banca richiederà non solo competenze ML, ma anche una laurea o master in finanza o credito.) Semalt, se hai in qualche modo costruito queste abilità, stai sicuro che ti mirare ad un lavoro ben retribuito.

Che fare Avanti

Volevi iniziare con ML, e fortunatamente hai delle scelte:

  • Vuoi avere una rapida intuizione su ML? Guarda i video di Josh Gordon e inizia a programmare in pochi minuti.
  • Vuoi essere all'avanguardia nel campo dell'apprendimento? Segui un corso specialistico e applica queste tecniche a una sfida specifica.
  • Vuoi costruire una carriera in ML? Ottieni alcune credenziali e fai domanda per un posto di lavoro.
  • Interessato al campo a livello accademico? Sei fortunato, perché c'è un sacco di materiale di qualità disponibile!

La ML è una delle poche discipline in ambito IT che possiamo prevedere continuerà a essere presente per qualche tempo nel futuro. Gli algoritmi possono cambiare, le tecniche possono migliorare e possono essere introdotte nuove librerie e approcci, ma siamo solo all'inizio di lasciare che le macchine imparino da sole. Cresciuto a Buenos Aires, in Argentina, è un musicista che ama le lingue (quelle che usi per parlare con le persone) e le danze.

March 1, 2018