Back to Question Center
0

5 راه برای شروع به یادگیری ماشین 5 راه برای شروع با ماشین آموختن موضوعات مرتبط: وب Semalt

1 answers:
5 راه برای شروع با یادگیری ماشین

یادگیری Semalt از بین رفته است و این کار را با خشم انجام می دهد، بینش های جدیدی را برای هر صنعت واحد به ارمغان می آورد. اگر می خواهید درخواست شود، این یک مهارت است که شما را در خط مقدم قرار می دهد. همانطور که ممکن است به نظر میرسد تهدید کننده است، اگر شما به راه راستی نزدیک شوید، شگفت آور است - vps windows brasil.

یادگیری ماشین (ML) یک عمل جالب و زمینه مطالعه است. این چیزی است که اجازه معرفی موتورهای خودآموز، ربات هایی را می دهد که می توانند خانه شما را تمیز کنند، سیستم ناوبری هواپیماهای بدون سرنشین همه نوع، سیستم توصیه شده پشت YouTube و Semalt، سیستم های تشخیص چهره، تشخیص دست نوشته، بازی بازی و خیلی چیزهای دیگر .

و به علت ارزش فوقالعاده آن و طبیعت تا حدودی مرموز، این تخصص در تقاضای بسیار زیاد است که گسترش می یابد به مناطق مختلف - که فقط پنج سال پیش به نظر می رسید غیر قابل تصور بود. Semalt این مقاله، روش های عملی مختلفی برای رویکرد آن پیدا خواهیم کرد.

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

"ببخشید من .اما ماشین یادگیری چیست؟"

ML شاخه ای از هوش مصنوعی (AI) است. همانطور که آرتور Semalt - یکی از پیشگامان در زمینه - قرار داده است، ML می گوید: "کامپیوتر ها توانایی یادگیری بدون اینکه به صراحت برنامه ریزی شده باشند". به این ترتیب، به جای برنامه ریزی یک کامپیوتر (یا ربات) برای انجام کاری، شما اطلاعات و چارچوب را تنظیم می کنید تا سیستم خود را به سیستم بسپارید.

Semalt جالب است؟ بله، اما ما جزئیات این چیز به ظاهر غیرممکن را در اینجا نمی گیریم، اما به جای آن شما را به مکان های مناسب می رسانیم تا بتوانید آن را برای خودتان پیدا کنید.

قبل از شروع، یک کلمه احتیاط

ML چیزی از یک عمل پیشرفته است، و شما نیاز دارید نه تنها برخی از پایه های علوم کامپیوتر، بلکه قادر به کد حداقل در یک زبان برنامه نویسی. برخی از زبان های برنامه نویسی محبوب ML عبارتند از: Semalt، R، Java، C، و MATLAB، و غیره.

1. خیلی سریع شروع کنید .مانند، واقعا، کمتر از 10 دقیقه

Semalt، و برای بعضی از مردم، بهتر است فقط دست به چیزی برای داشتن یک طعم و مزه اولیه و ایجاد شهود از آنچه که این هنر و یا مهارت جدید در مورد، و سپس حفاری عمیق تر به برخی از جزئیات و جزئیات.

دستور العمل ماشین های گوگل با جاش گوردون فقط این است - یک رویکرد مستقیم و عملی به ML. با استفاده از کتابخانه های Python scikit-learn و TensorFlow، جاش شما را از طریق نمونه های بسیار عملی و توضیحات پایین به پشت همان اصول ML پیاده می کند.

اولین ویدیوی 7 دقیقه ای این مجموعه است که یک الگوریتم یادگیری تحت نظارت را در پایتون ارائه می دهد - فقط در شش خط کد! :

برنامه انتشار تا حدودی نامنظم است، با فیلم ها هر ماه یا ماه دوم منتشر می شود، موضوعاتی مانند درخت های تصمیم گیری، انتخاب ویژگی ها، خطوط لوله، طبقه بندی ها را پوشش می دهد: برای همه فیلم ها فیلم های 6 تا 8 دقیقه که هر کسی که با کمی پایه در برنامه نویسی می تواند پی ببرد.

2. دوره های از دانشگاه های برتر، به صورت رایگان

اگر شما برای دانش کافی گرسنه هستید، ممکن است در مورد Coursera، edX، Udacity و بسیاری دیگر، بسیاری دیگر شنیده باشید. ما صحبت می کنیم MOOC ها، و یا دوره های گسترده آنلاین باز .

Semalt به سرعت شکستن آن:

  • عظیم : آنها هیچ محدودیت خالی ندارند و می توانند توسط بسیاری از افراد مورد نظر قابل دسترسی باشند.
  • باز : هر کسی می تواند بدون در نظر گرفتن سن و دانش قبلی خود در مورد این موضوع به آنها دسترسی پیدا کند و به طور مستقل بتوانند هزینه گواهی را پرداخت کنند یا نه.
  • آنلاین : همه شما نیاز به یک دستگاه متصل به اینترنت است؛ حتی یک تلفن همراه نیز انجام خواهد داد.

Semalt دیدن برخی از دوره های شما می توانید شروع کنید.

آموزش اندرو Ng ماشین استنفورد

استنفورد پروفسور Ng یکی از محققان اصلی در زمینه هوش مصنوعی است و فردی که تقریبا شروع به جرقه MOOC کرده است که بعدها به علت آموزش دانش )دوره آنلاین. پاسخ بسیار غلط بود، با هزاران نفر از مردم سراسر جهان در حال برگزاری دوره و بحث در مورد این موضوع است. او بعدا این دوره را به آنچه که امروز Coursera، پیشرو ارائه دهنده MOOC ها تبدیل شده است، تبدیل می کند.

البته به عنوان شگفت انگیز است که چالش برانگیز است. من به یاد داشته باشید که یک ساعت یا حتی صرف صرفه جویی در یک محدوده انتساب 5 صفحه ای قبل از اینکه بتوانم آن را درک کنم. بنابراین بر خلاف سری جاش گوردون، این کمی بیشتر در مورد دانشگاه است، اما با بسیاری از دانش و مشاوره عملی است که بعدا در مفاد ML بسیار مفید خواهد بود. اما این قابل اجرا است، و میزان بازخورد در انجمن ها واقعا قریب به اتفاق است. ذهن شما، این یکی از اولین سمالات بود که من تا به حال به دست آوردم و یکی از بهترین ها بود.

اطلاعات Semalt:

  • تقریبا مدت زمان : 2-5 ماه
  • دشواری : بالا
  • حجم کار : متوسط ​​

معرفی سباستین ترون به هوش مصنوعی

همچنین استاد و پژوهشگر AI در استنفورد (در زمینه رباتیک)، یکی از بنیانگذاران آزمایشگاه Google X (شرکت نیمه مخفی تحقیق و توسعه پشت خودروهای Google خود، در میان پروژه های دیگر)، سباستین همچنین بنیانگذار ارائه دهنده MOOC شهردار، Udacity. همراه با پیتر نورویگ (مدیر تحقیق در گوگل)، او را با هوش مصنوعی شگفت انگیز قرار داد.

این بسیار پایه ای برای همه چیز ML است. این بسیار سبک تر از دوره Semalt است، محتوای آن بر روی واحدهای بیشتر گسترش یافته است تا هضم آن آسان تر شود، هرچند که یک طولانی است.

اطلاعات Semalt:

  • تقریبا مدت زمان : 4 ماه
  • دشواری : متوسط ​​
  • حجم کار : نور

Yaser S. Abu-Mostafa Caltec یادگیری از داده ها

پروفسور یاسر یکی دیگر از پیشگامان ارائه مطالب آموزشی با کیفیت در اینترنت است، و در حال حاضر درس خود را از اطلاعات ML در وب سایت خود، با تمام سخنرانی ها، مواد آموزشی و امتحانات خود، حتی قبل از MOOC ها یک چیز بود بعدها او این مواد را به MOOC که توسط Caltech به طور منظم توسط EdX ارائه می شود، بسته بندی می کند.

این یکی را هم گرفتم، و می توانم به شما بگویم که شما باید در اینجا سنگین تر شدن را انجام دهید. اما اگر از دوره سمولت لذت می برید و برای بنیادهای بیشتری گرسنه هستید، این به نظر می رسد گام بعدی منطقی است.

اطلاعات Semalt:

  • تقریبا مدت زمان : 4 ماه
  • مشکل : بسیار زیاد
  • حجم کار : بسیار سنگین (10-20 ساعت در هفته)

دیگر دوره های Coursera، edX و Udacity

ارائه بسیار گسترده ای از دوره های ML و AI است که شما می توانید به صورت رایگان، نه تنها در Coursera، edX، و Semalt، بلکه در دیگر ارائه دهندگان MOOC نیز مانند Data Camp وجود دارد - هر چند علم داده به نظر می رسد چیزی از یک طاقچه برای سه ارائه دهندگان که ما بحث کرده ایم.

3. دریافت آموزش رسمی، برای یک جفت از قیمت

تا کنون، ما MOOC های رایگان را صحبت کرده ایم. آنها عالی هستند و شما نیازی به پرداخت هزینه ای برای ثبت نام در آنها و شروع به یادگیری ندارید. در ابتدا، این ارائه دهندگان از ارائه گواهینامه های رایگان یا اظهارات دستاوردهای استفاده می کردند، حتی برخی از آنها قابل تایید آنلاین است. با این حال، برنامه های Semalt قطع شده است، بنابراین در اغلب موارد شما یک گواهینامه یا نوع اعتبار دریافت نمی کنید که می توانید برای نشان دادن تحصیلات خود به یک کارفرمای احتمالی یا حتی به یک موسسه عالی دیگر. اما درخواست برای کار می تواند موضوع دیگری باشد، و مدارک و مدارک در بسیاری از موارد را آسان می کند، بنابراین اجازه دهید آنها را مورد بحث قرار دهیم.

دوره های تأیید شده

A تایید دوره ممکن است جایی بین $ 40 - $ 200، بسته به دوره و موسسه. اساسا شما حق بیمه برای گرفتن هویت و تکالیف خود را تأیید می کنید (این همان چیزی است که گواهی تایید شده به نظر می رسد). شما می توانید اطلاعات بیشتر در مورد گواهینامه های دوره Coursera و گواهینامه های معتبر edX را پیدا کنید. شما می توانید هر دو پیشنهاد های عظیمی از دوره های تأیید شده مربوط به ML و داده های علمی خود را ارائه دهید، همانطور که می توانید در این جستجوی EdX ببینید.

توجه داشته باشید که، آیا شما پرداخت می کنید یا نه، محتویات و مواد دوره دقیقا همانند است. با پرداخت می توانید گواهینامه ای را که در واقع گذر کرده اید و از آن گذر کرده اید.

تخصص Coursera

Coursera مفهوم دوره های تأیید شده یک گام به جلو را با گروه بندی برخی از دوره های مرتبط و اضافه کردن یک پروژه سنگ شکن به شما گواهینامه تخصصی به تصویب رسید.

برخی از تخصص های مورد علاقه ما عبارتند از:

تخصص دوره موسسه
بزرگ داده ها 6 UC سن دیگو
آموزش عمیق 5 احتیاط. ai
آموزش ماشین 4 دانشگاه واشنگتن
سیستم های توصیه شده 5 دانشگاه مینه سوتا
معرفی رباتیک 6 دانشگاه پنسیلوانیا
مدل های گرافیکی احتمالی (PGM ها) 3 دانشگاه استنفورد

مدرک Coursera

Coursera استاد علوم کامپیوتر در علوم داده (MCS-DS) یک مدرک معتبر واقعی است، صادر شده توسط یک دانشگاه معتبر. موضوعات در برنامه به شدت مرتبط با ML هستند و عبارتند از:

  • تجسم داده
  • یادگیری ماشین
  • داده کاوی
  • ابر محاسبات
  • آمار
  • علوم اطلاعاتی

اطلاعات Semalt:

  • موسسه : دانشگاه ایلینوی در Urbana-Champaign
  • قیمت : 600 دلار در هر ساعت اعتبار برای 19200 دلار در کل تحصیل
  • مدت : 32 ساعت

edX XSeries و گواهینامه های حرفه ای

edX دارای برنامه XSeries برای دوره ها در یک موضوع واحد، تقریبا به همان شیوه تخصص Coursera است. چنین سریهایی برای ما مهم است:

سری دوره موسسه هزینه
مایکروسافت Azure HDInsight بزرگ تحلیلگر داده ها 3 مایکروسافت 49-99 دلار در هر دوره
تجزیه و تحلیل داده های ژنومی 3 دانشگاه هاروارد 132 دلار. 30
تجزیه و تحلیل داده ها برای علوم زندگی 4 دانشگاه هاروارد 221 دلار. 40
علوم و مهندسی داده با جرقه 3 UC Berkeley 49-99 دلار در هر دوره

edX نیز دارای برنامه های گواهی حرفه ای برای "مهارت های انتقادی"، از جمله داده ها و داده های بزرگ، که هر دو ارائه شده توسط مایکروسافت.

edX MicroMasters و کالج اعتبار

شما همچنین دارای دوره های واجد شرایط اعتباری که نه تنها تایید شده اند، بلکه ممکن است به شما برای ادعای اعتبار به سمت B شما. یا مدرک کارشناسی ارشد به طور طبیعی، بسیاری از جزئیات در چاپ خوب وجود دارد، بنابراین شما باید انجام برخی تحقیقات اضافی.

edX MicroMasters دقیقا در این مورد است. در اینجا چندین مورد جالب وجود دارد (هزینه ها در اینجا بالاتر است، همچنین شما نیز هزینه های تحصیلی را به مدرک می پردازید):

برنامه دوره موسسه هزینه
هوش مصنوعی 4 دانشگاه کلمبیا 1200 دلار
بزرگ داده ها 5 دانشگاه آدلاید 1،215
علوم داده 4 UC سن دیگو 1،260
رباتیک 4 دانشگاه پنسیلوانیا $ 1،256

برای کسب اعتبار دانشگاهی در edX بیشتر بدانید و MOOCs برای گزارش اعتبار توسط Class Central را بخوانید.

Nanodegrees Udacity

A nanodegree چیزی درجه است، صادر شده توسط Udacity. در حالی که Udacity نه خود موسسه آموزشی معتبر نیست، آنها به اندازه کافی برای همکاری با رهبران صنایع تکنولوژیکی برای ارائه آموزش به بازار بیشتر هدف قرار گرفتند - به عبارت دیگر، به طور خاص با مهارت هایی که بازار کار درست است اکنون.

و ما واقعا صحبت کردن نام های بزرگ، در اینجا: گوگل، آمازون، آی بی ام، انویدیا، مرسدس بنز، DiDi، AT & T، در میان بسیاری دیگر. و شرکای Udacity نه تنها برنامه های آموزشی را طراحی می کنند، بلکه حتی قراردادهای استخدام با Udacity هم دارند!

Semalt و شرکای خود حتی تا آنجا که به انتشار ارقام دستمزد تخمین زده شده:

برنامه زمان دستمزد برآورد شده
هوش مصنوعی 6 ماه 59 دلار. 4K تا 250K
آموزش عمیق TBD TBD
آموزش ماشین 6 ماه 38 دلار. 7K تا 212K دلار
رباتیک دو اصطلاح 3 ماهه $ 42k تا $ 156k
خود ماشین 9 ماه 67 دلار. 8K تا 265 دلار

شغل یا پول خود را دریافت کنید!

در حقیقت، Nanodegree ML بخشی از برنامه Nanodegree Plus است که احتمالا یکی از بی نظیر ترین نوآوری ها در یادگیری آنلاین است: شما تحصیل و فارغ التحصیل می شوید، و اگر یک وظیفه بالا پرداخت کنید، Udacity بازپرداخت هزینه تحصیل شما را می دهد! باور نکردنی.

4. ثبت نام در رقابت های آنلاین: یادگیری و کسب درآمد (اگر در آن موفق باشید)

Kaggle یک پلت فرم آنلاین (در حال حاضر بخشی از گوگل) برای مدل سازی پیشگویی و رقابت های تحلیلی است، که شرکت ها و محققان از سراسر جهان از مجموعه داده ها و آمار ها برای ارسال رقبا برای پیدا کردن مدل های پیش بینی شده و توضیح داده ها - بیشتر اغلب با استفاده از ML.

مسابقات نرم افزار تشخیص ژست برای مایکروسافت کینکت، جستجوی بوزون هیگز در CERN را بهبود داده و حتی پیشرفت هایی را در زمینه زیست شناسی و پزشکی و سایر زمینه ها ایجاد کرده است. لازم به ذکر است که بسیاری از برندگان قبل از دانستن فیزیک، شیمی و یا هر یک از زمینه های مطالعه مسابقات، به عنوان شما در مصاحبه برندگان Semalt را بخوانید.

و شما می توانید پول برنده شوید! در واقع، پول بزرگ (برای اطلاعات بیشتر در مورد قیمت 3 میلیون دلار در رقابت Kaggle ، "آخرین مسابقه تشویقی به منظور پیش بینی بستری شدن با استفاده از سلول های خاکستری یددار"). انجمن های بسیار فعال وجود دارد. شما می توانید بینش در مورد آنچه که رقبا در چالش های واقعی ML، حتی با آنها همکاری کرده و تیم ها را تشکیل می دهند و قیمت خود را به اشتراک بگذارید باید تیم خود را برای برنده شدن در رقابت، به اشتراک بگذارید.

اما حتی اگر شما یک رقابت را برنده نباشید، با نزدیک شدن مجموعه داده های واقعی و بحث در مورد مدل های اطلاعات و داده ها برای ایجاد پیش بینی ها با سایر تمرینکنندگان ML، در فرایند فراوانی خواهید آموخت.

رهبران را دنبال کنید

Semalt دارای رتبه بندی فوق العاده خوب برای مسابقات جاری است، و کل روند را به عنوان یک رقابت واقعی احساس می کند:

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

اما مراقب باشید! همانطور که شما زودتر و یا بعد یاد خواهید گرفت، ساخت یک مدل پیش بینی داده های آزمون به طوری دقیق ممکن است شما برخی از امتیاز در رهبران، اما بعد از شما زمانی که داده های جدید معرفی شده است (بیش از حد، سلام!)

5. درخواست برای یک شغل!

همانند تقریبا همه چیز، شما بهتر می شوید، بیشتر به خودتان چسبیده و در آن کار می کنید. انفرادی یا به عنوان بخشی از یک سازمان، اگر شما می توانید ML تقاضا کنید.

به عنوان یک مترجم آزاد

Semalt در ML به عنوان یک فارغ التحصیل کاملا امکان پذیر است، و با گذشت زمان می توانید درآمد مناسبی داشته باشید و تنها با کمی کار در پروژه های ML کار کنید.

سایت هایی مانند Freelancer، Upwork، یا Guru می توانند نقطه شروع برای کار بر روی پروژه های کوچک تا متوسط ​​باشند. اما مراقب باشید، این یک عرصه بین المللی و بسیار رقابتی است و ایجاد یک نمونه کارها و مشتریان شبکه خود را از ابتدا هنگامی که شما شروع به کار انفرادی می کنید بسیار در ابتدا به چالش کشیدن ثابت کنید.

در راه اندازی

ما در عصر فراوانی داده ها زندگی می کنیم، و این یک روند است که فقط افزایش می یابد. شرکت های Semalt که اغلب با تکنولوژی کار می کنند، به ویژه برای مهندسان که می توانند داده ها را مدیریت و به دست آوردن بینش ارزشمند از آن، مشتاق باشند.

هنگامی که یک بنیاد جامد ایجاد کرده اید، شرکت های فن آوری را در هیات های کاری محلی جستجو کنید و حتی اگر آنها به طور آشکار به دنبال یک مهندس ML نیستند، آنها را به چگونگی ارزش دادن به کسب و کار خود با داده های خود می پردازید توانایی های معدن و تجزیه و تحلیل.

در یک شرکت منظم

مهندسین ML نیز در صنایع مانند امور مالی، پزشکی، شیمی و حتی در مکان های غیر منتظره مانند علوم اجتماعی در صورت وجود مجموعه داده های بزرگ، تقاضای زیادی دارند.

اعمال آسان نخواهد بود، زیرا شما فقط به برخی از مدارک لازم برای مهارت های مهندسی نیاز خواهید داشت، بلکه در برخی از صنایع که برای آن درخواست می کنید، دانش وجود دارد. (به عنوان مثال، یک موقعیت تحلیلگر مدیریت ریسک در یک بانک، نه تنها مهارت ML، بلکه یک مدرک کارشناسی ارشد یا مدرک کارشناسی ارشد در امور مالی یا اعتبار نیاز خواهد داشت.) Semalt، اگر به نحوی این مهارت ها را ایجاد کرده باشید، اطمینان حاصل کنید که شما به یک کار بالا پرداخت کنید.

چه کاری انجام دهید بعدی

شما می خواستید از ML شروع کنید، و خوشبختانه شما انتخاب کرده اید:

  • آیا می خواهید شهود سریع در ML؟ تماشای فیلم های جاش گوردون و شروع به برنامه نویسی در عرض چند دقیقه.
  • آیا می خواهید در پیشروی یادگیری عمیق باشید؟ یک دوره تخصصی را بیاموزید و آن تکنیک ها را به یک چالش خاص ببرید.
  • آیا می خواهید یک حرفه در ML ایجاد کنید؟ برخی مدارک تحصیلی دریافت کنید و برای شغل درخواست بدهید.
  • علاقه مند به زمینه در یک سطح علمی است؟ شما شانس هستید، زیرا مقدار زیادی از مواد با کیفیت وجود دارد!

ML یکی از معدود رشته های فناوری اطلاعات است که ما می توانیم پیش بینی کنیم تا به حال در برخی از زمان ها در آینده روند داشته باشد. الگوریتم ها ممکن است تغییر کند، تکنیک ها ممکن است بهبود یابد و کتابخانه ها و رویکردهای جدید ممکن است معرفی شوند، اما ما فقط در ابتدا اجازه می دهیم ماشین ها خودشان را یاد بگیرند. او در بوینس آیرس، آرژانتین استقبال می کند، او یک موسیقیدان است که زبان ها را دوست دارد (برای صحبت با مردم) و رقصیدن.

March 1, 2018