我想学习人工智能和机器学习. 我可以从哪里开始社交媒体

页面
我想学习人工智能和机器学习. 我可以从哪里开始?
“我在苹果零售店工作，想要换个环境. 为了开始构建我正在使用的技术”.
我开始学习机器学习 (机器学习) 以及人工智能 (人工智能).
在这个领域有很多事情要做.
每周似乎谷歌和Facebook都在推出一种新的人工智能，用于更快地完成任务，改善我们的体验.
我不是指那些自动驾驶汽车公司. 尽管这是一件好事. 我不是驾驶狂热者，道路很危险.
即使所有这些都在发生, 仍然没有一个公认的人工智能确切定义.
有人认为深度学习可以被视为人工智能, 有人则会说，除非通过图灵测试，否则它不算人工智能
Esta falta de definición realmente atrofió mi progreso al principio. Era difícil aprender algo que tenía tantas definiciones diferentes.
Basta con las definiciones.
¿Cómo comencé?
Mis amigos y yo estábamos construyendo una startup internet. Falló. Nos dimos por vencidos por falta de sentido. Pero a lo largo del camino, comencé a escuchar más y más sobre ML y AI.
‘¿La computadora aprende las cosas por ti?’ No podía creerlo.
Me tropecé con Nanodegree Deep Studying de Udacity. Un divertido personaje llamado Siraj Raval estaba en uno de los vídeos promocionales. Su energía period contagiosa. A pesar de no cumplir con los requisitos básicos (nunca había escrito una línea de Python antes), me inscribí.
Tres semanas antes de la fecha de inicio del curso, envié un correo electrónico al servicio de asistencia de Udacity preguntando cuál era la política de reembolso. Tenía miedo de no poder completar el curso.
No obtuve un reembolso. Completé el curso dentro de la línea de tiempo designada. Fue dificil. Muy duro a veces. Mis dos primeros proyectos fueron entregados cuatro días tarde. Pero la emoción de estar involucrado en una de las tecnologías más importantes del mundo me impulsó a avanzar.
Al finalizar Deep Studying Nanodegree, había garantizado la aceptación de AI Nanodegree, Auto-Driving Automobile Nanodegree Robotics Nanodegree de Udacity. Todas las grandes opciones. Estaba un poco perdido. ‘¿A dónde voy después?’
Necesitaba un currículum. Construí una pequeña base con Deep Studying Nanodegree, ahora era el momento de averiguar hacia dónde me dirigiría.
Mi auto-creado AI Masters Diploma 1
No pensaba volver a la universidad pronto. De todos modos, no tenía $ a hundred,000 para una maestría adecuada.
Así que hice lo que hice al principio. Pedí ayuda a mi mentor, Google.
Me lancé a un Aprendizaje Profundo sin ningún conocimiento previo del campo. En lugar de subir a la punta del iceberg de la IA, un helicóptero me había dejado en la cima.
Después de investigar un montón de cursos, puse una lista de los que más me interesaron en Trello
Trello es mi asistente private / coordinador del curso.
Sabía que los cursos en línea tenían una alta tasa de abandono escolar. No me iba a permitir ser parte de este número. Yo tenía una misión.
Para hacerme responsable, comencé a compartir mi viaje de aprendizaje en línea. Pensé que podría practicar comunicando lo que aprendí y encontrar a otras personas que estaban interesadas en las mismas cosas que yo. Mis amigos aún piensan que soy un extraterrestre cuando voy a una de mis aventuras de la IA.
Hice público el tablero de Trello y escribí una publicación de blog sobre mis esfuerzos.
El currículo ha cambiado ligeramente desde que lo escribí por primera vez, pero aún es relevante y visito la pizarra de Trello varias veces por semana para seguir mi progreso.
Conseguir un trabajo
Compré un boleto de avión a los EE. UU. Sin vuelo de regreso. Había estado estudiando durante un año y pensé que ya period hora de que empezara a poner mis habilidades en práctica.
Mi plan period ir a los Estados Unidos y ser contratado.
Luego Ashlee me envió un mensaje a LinkedIn, ‘Oye, he visto tus publicaciones y son realmente geniales, creo que deberías conocer a Mike’.
Conocí a Mike.
Le conté mi historia de aprendizaje en línea, cómo me encantaba la tecnología de la salud y mis planes para ir a los Estados Unidos.
‘Puede que sea mejor que te quedes aquí un año así y veas lo que puedes encontrar, creo que te encantaría conocer a Cameron’.
Conocí a Cameron.
Tuvimos una charla similar de lo que Mike y yo hablamos. Salud, tecnología, aprendizaje en línea, Estados Unidos.
‘Estamos trabajando en algunos problemas de salud, ¿por qué no vienes el jueves?’
Llegó el jueves y estaba nervioso. Pero una vez alguien me dijo que estar nervioso es lo mismo que estar emocionado. Me volteé para estar emocionado.
Pasé el día reuniéndome con el equipo de Max Kelsen y los problemas en los que estaban trabajando.
Dos jueves después, Nick, el CEO, Athon, ingeniero jefe de aprendizaje de máquinas, y yo, fuimos a tomar un café.
‘¿Cómo te gustaría unirte al equipo?’ Preguntó Nick.
‘Claro’, dije.
Mi vuelo a Estados Unidos se retrasó un par de meses, también tengo un boleto de regreso.
Compartiendo tu trabajo
Aprendiendo en línea, sabía que era poco convencional. Todos los roles que solicité tenían requisitos de maestría al menos algún tipo de título técnico.
Yo no tuve ninguno de estos, pero tenía las habilidades que había reunido de una gran cantidad de cursos en línea.
En el camino, estaba compartiendo mi trabajo en línea. Mi GitHub contenía todos los proyectos que había hecho, mi LinkedIn estaba apilado y había practicado comunicando lo que había aprendido a través de YouTube y artículos en Medium
Nunca entregué un currículum para Max Kelsen. ‘Lo investigamos en LinkedIn y nos impresionó’. Mi trabajo fue mi currículum.
Independientemente de si estás aprendiendo en línea a través de una maestría, tener un portafolio de lo que has trabajado es una excelente manera de desarrollar el aspecto del juego.
Las habilidades en ML y AI están en demanda, pero eso no significa que no tengas que mostrarlas. Incluso el mejor producto no se venderá sin ningún espacio en los estantes.
Ya sea GitHub , Kaggle , LinkedIn un weblog, tenga un lugar donde la gente pueda encontrarlo. 此外, tener tu propio rincón de Web es muy divertido.
Como empiezas
¿A dónde vas para aprender estas habilidades? ¿Qué cursos son los mejores?
No hay mejor respuesta. El camino de cada uno será diferente. Algunas personas aprenden mejor con libros, otras aprenden mejor a través de vídeos.
Lo que es más importante que cómo comienzas es por qué empiezas.
Comience con por qué.
¿Quieres hacer dinero?
¿Quieres construir cosas?
¿Quieres hacer una diferencia?
Una vez más, no hay razón correcta. Todas son válidas a su manera.
Comienza por qué, porque tener un por qué es más importante que cómo. Tener un por qué significa que cuando se pone difícil y se volverá difícil, tienes algo a lo que recurrir. Algo para recordarte por qué empezaste.
¿Tienes un por qué? 好的. Tiempo para algunas habilidades difíciles.
Solo puedo recomendar lo que he intentado.
He completado los cursos de (en orden):
Treehouse – Introducción a Python
Coursera – Deep Learning por Andrew Ng
– Parte 1, pronto será la parte 2
Todos son de clase mundial. Soy un aprendiz visible. Aprendo mejor viendo las cosas que se hacen / me explican en ello. Así que todos estos cursos reflejan eso.
Si eres un principiante absoluto, comienza con algunos cursos introductorios de Python y, cuando estés un poco más seguro, pasas a la Ciencia de la Información, el Aprendizaje Automático y la Inteligencia Artificial.
¿Cuántas matemáticas?
El nivel más alto de educación matemática que he tenido fue en la escuela secundaria. El resto lo he aprendido a través de la Academia Khan como lo he necesitado.
Hay muchas opiniones diferentes sobre la cantidad de matemáticas que necesitas saber para entrar en el Aprendizaje Automático y la Inteligencia Artificial. Voy a compartir la mia.
Si desea aplicar el Aprendizaje Automático y las técnicas de Inteligencia Artificial a un problema, 不一定需要深入理解数学就能取得好成绩. 像 TensorFlow 和 PyTorch 这样的库允许有一点 Python 经验的人构建前沿模型, 而数学计算将在后台解决.
如果您想深入研究机器学习和人工智能研究, 通过某个相关的博士项目, 深入的数学知识是至关重要的.
就我而言, 我并不打算深入研究数学并将算法性能提高 10%. 那留给比我更聪明的人. 相反, estoy más que contento de usar las bibliotecas disponibles para mí y de manipularlas para ayudar a resolver los problemas que considere oportunos.
¿Qué hace realmente un ingeniero de Aprendizaje Automático?
Lo que hace un ingeniero de máquinas en la práctica podría no ser lo que piensas.
A pesar de las fotos de portada de muchos artículos en línea, no siempre implica trabajar con robots que tienen los ojos rojos.
Aquí hay algunas preguntas que un ingeniero de ML (Machine Studying) debe hacerse diariamente.
Contexto: ¿Cómo se puede usar el ML para ayudar a aprender más sobre su problema?
Datos – ¿Necesita más datos? ¿En qué forma debe estar? ¿Qué haces cuando faltan datos?
Modelado – ¿Qué modelo debes usar? ¿Funciona demasiado bien en los datos (sobreajuste)? ¿ por qué no funciona muy bien?
Producción – ¿Cómo puedes llevar tu modelo a la producción? ¿Debería ser un modelo en línea debería actualizarse a intervalos de tiempo?
En curso – ¿Qué pasa si tu modelo se rompe? ¿Cómo mejorarlo con más datos? ¿Hay una mejor manera de hacer las cosas?
Los tomé prestados de un gran artículo de Rachel Thomas, uno de los cofundadores de , que profundiza en el texto completo.
Para más información, hice un vídeo de lo que solemos hacer los lunes en Max Kelsen.
No hay ruta establecida
No hay una manera correcta incorrecta de ingresar al ML a la IA.
这个领域的美妙之处在于我们可以接触到世界上一些最顶尖的技术, 我们所要做的就是学会如何使用它们.
你可以从学习 Python 代码开始.
你可以先学习微积分和统计学.
你可以开始了解决策哲学.
机器学习和人工智能让我着迷，因为它们在各个领域的交汇点.
我对它了解得越多, 就越意识到还有很多东西需要学习. 这让我感到兴奋.
有时候当我的代码无法运行时，我会感到沮丧. 我不理解一个概念. 所以我会暂时放弃. 我会选择暂时放手问题，去小睡一下. 出去散步. 当我回来时, 我觉得自己在用不同的眼光看待它. 情感回来了. 我仍在学习.
在这个领域发生了太多事情，开始可能让人气馁. 技术信仰 太多选择导致没有选择. 忽略这个.
从你最感兴趣的地方开始并坚持下去. 如果它走向死胡同, 太棒了, 你已经发现自己不感兴趣的地方. 回到原路并选择道路的另一分支.
从你最感兴趣的地方开始并坚持下去. 如果它走向死胡同, 太棒了, 你已经发现自己不感兴趣的地方. 回到原路并选择道路的另一分支.
计算机很智能，但仍然无法自行学习. 它们需要你的帮助.
脚注
由 Eduarea 发布于 10:44
如果你厌倦了限制, 如果你发现当你已有 PDF 文档时还必须手写文件，而不能直接使用…
分析消费者生活方式以创建详细的客户档案. Los investigadores de mercado conducen la…
Seguidores