Искусственный интеллект

Профессор ML сказал, что 1 год достаточно, чтобы изучить машинное обучение и глубокое обучение, чтобы получить работу инженера ML в отрасли.

Любит | Нелюбов | Ответы | Вид | 5022


Майк Вест инструктор по машинному обучению Pluralsight   
@ | Обновлено Right Now


Вы задаете тот же вопрос, который я задавал себе около года назад. Я работал в Apple Store и хотел перемен. Я хотел начать строить технику, которую я обслуживал.

Я начал изучать машинное обучение (ML) и искусственный интеллект (AI).

В поле так много всего происходит.

Каждую неделю кажется, что Google или Facebook выпускают новый вид ИИ, чтобы ускорить процесс или улучшить наш опыт.

Не заставляйте меня начинать с числа самодвижущихся автомобильных компаний. Это хорошая вещь, хотя. Я не фанат вождения, а дороги опасны.

Даже при том, что все это происходит, все еще не существует согласованного определения того, что именно представляет собой искусственный интеллект.

Некоторые утверждают, что глубокое обучение можно считать ИИ, другие скажут, что это не ИИ, если он не пройдет тест Тьюринга.

Этот недостаток определенно тормозил мой прогресс в начале. Было трудно выучить что-то, что имело бы так много разных определений

Достаточно с определениями.


Как я начал?

Мы с друзьями строили веб-стартап. Это не удалось. Мы сдались из-за отсутствия смысла. Но по пути я начал все больше и больше слышать о ML и AI.

«Компьютер учит все за тебя?» Я не мог в это поверить.

Я наткнулся на глубокую обучающую нанодеградию Udacity. В одном из промо-роликов был забавный персонаж по имени Сирадж Равал. Его энергия была заразной. Несмотря на то, что я не отвечал базовым требованиям (я никогда раньше не писал строки Python), я подписался.

За три недели до даты начала курса я отправил электронное письмо в службу поддержки Udacity с вопросом, какова была политика возврата. Я был напуган, я не смог бы закончить курс.

Я не получил возмещение. Я закончил курс в установленные сроки. Это было сложно. Действительно трудно временами. Мои первые два проекта были сданы с опозданием на четыре дня. Но радость от участия в одной из самых важных технологий в мире подтолкнула меня вперед.

Закончив глубокую учебную нано-степень, я гарантированно согласился либо на нано-степень АИ от Udacity, либо с нано-степенью самоходного автомобиля, либо с нано-степенью робототехники. Все отличные варианты. Я был немного потерян. «Куда мне идти дальше?»

Мне нужна учебная программа. Я построил небольшой фундамент с нанодеградами Deep Learning, теперь пришло время выяснить, куда я направлюсь дальше.


Моя собственная степень магистра искусственного интеллекта [1]

Я не планировал возвращаться в университет в ближайшее время. В любом случае, у меня не было 100 000 долларов для получения степени магистра.

Итак, я сделал то, что сделал в начале. Попросил моего наставника, Google, о помощи.

Я прыгнул в глубокое обучение без каких-либо предварительных знаний в этой области. Вместо того, чтобы подняться на вершину Ай-Айберга, вертолет высадил меня на вершине.

Изучив несколько курсов, я составил список наиболее интересных в Трелло.

Трелло - мой личный помощник / координатор курса.

Я знал, что онлайн-курсы имеют высокий процент отсева. Я не собирался позволять себе быть частью этого числа. У меня была миссия.

Чтобы стать ответственным, я начал делиться своим учебным путешествием онлайн. Я подумал, что могу попрактиковаться в общении с тем, что я узнал, и найти других людей, которые интересовались теми же вещами, что и я. Мои друзья все еще думают, что я инопланетянин, когда я иду на один из моих выходов AI.

Я обнародовал правление Trello [2] и написал пост в блоге о моих начинаниях.

Учебная программа немного изменилась с тех пор, как я ее написал, но она по-прежнему актуальна, и я посещаю доску Trello несколько раз в неделю, чтобы отслеживать свои успехи.


Получить работу

Я купил билет на самолет в США без обратного рейса. Я учился в течение года, и я подумал, что пришло время начать применять свои навыки на практике.

Мой план состоял в том, чтобы поехать в США и получить работу.

Затем Эшли отправила мне сообщение в LinkedIn: «Эй, я видел твои посты, и они действительно классные, я думаю, тебе стоит встретиться с Майком».

Я встретил Майка.

Я рассказал ему свою историю обучения в Интернете, как я любил технику здоровья и свои планы поехать в США.

«Может быть, вам лучше остаться здесь год или около того и посмотреть, что вы можете найти, я думаю, вы хотели бы встретиться с Кэмерон».

Я встретил Кэмерон.

У нас был похожий чат, о котором мы с Майком говорили. Здоровье, технологии, онлайн-обучение, США.

«Мы работаем над некоторыми проблемами со здоровьем, почему бы вам не прийти в четверг?»

Пришел четверг. Я нервничал. Но кто-то однажды сказал мне, что нервничать - это то же самое, что быть взволнованным. Я пришел в восторг

Я провел день, встречаясь с командой Макса Келсена и проблемами, над которыми они работали.

Два четверга спустя Ник, генеральный директор Athon, ведущий инженер по машинному обучению, и я пошли на кофе.

«Как бы вы хотели присоединиться к команде?» - спросил Ник.

«Конечно», - сказал я. [3]

Мой рейс в США был отменен на пару месяцев, у меня также есть обратный билет.


Поделиться своей работой

Обучаясь в Интернете, я знал, что это было нетрадиционно. Все роли, на которые я ходил претендовать, имели степень магистра или, по крайней мере, какую-то техническую степень.

У меня не было ни одного из них. Но у меня были навыки, которые я приобрел из множества онлайн-курсов.

По пути я делился своей работой в Интернете. Мой GitHub содержал все проекты, которые я делал, мой LinkedIn был разложен, и я практиковался в распространении того, что я узнал, через YouTube и статьи на Medium.

Я никогда не сдавал резюме для Макса Келсена. «Мы проверили вас на LinkedIn, и мы были впечатлены». Моя работа была моим резюме.

Независимо от того, изучаете ли вы онлайн или через магистратуру, наличие портфолио того, над чем вы работали, является отличным способом создания скина в игре.

Навыки ML и AI востребованы, но это не значит, что вам не нужно демонстрировать их. Даже самый лучший продукт не будет продаваться без места на полке.

Будь то GitHub, Kaggle, LinkedIn или блог, где-нибудь, где люди могут найти вас. Плюс, иметь свой собственный уголок интернета - это очень весело.


Как начать?

Куда вы идете, чтобы изучить эти навыки? Какие курсы самые лучшие?

Там нет лучшего ответа. У каждого путь будет другим. Некоторые люди учатся лучше с книгами, другие учатся лучше с помощью видео.

Что важнее, чем то, как вы начинаете, так это то, почему вы начинаете.

Начните с почему.

  • Почему вы хотите изучить эти навыки?
  • Вы хотите зарабатывать деньги?
  • Вы хотите строить вещи?
  • Хотите изменить ситуацию?

Опять же, нет веской причины. Все действительны по-своему.

Начните с «почему», потому что иметь «почему» важнее, чем «как». Имея почему средства , когда это становится трудно , и это будет получить трудно, у вас есть что - то обратиться. Что-то, чтобы напомнить вам, почему вы начали.

Есть почему? Хорошо. Время для некоторых тяжелых навыков.

Я могу только рекомендовать то, что я попробовал.

Я закончил курсы от (по порядку):

  • Treehouse - Введение в Python
  • Udacity - глубокое обучение и искусственный интеллект
  • Coursera - глубокое обучение Эндрю Нг
  • fast.ai - Часть 1, скоро будет Часть 2

Они все мирового класса. Я визуальный ученик. Я учусь лучше видеть, как все делается / объясняется мне. Все эти курсы отражают это.

Если вы абсолютный новичок, начните с некоторых вводных курсов Python, а когда вы почувствуете себя немного увереннее, переходите к науке о данных, машинному обучению и искусственному интеллекту.


Сколько стоит математика?

Самый высокий уровень математического образования у меня был в старшей школе. Остальное я выучил через ханскую академию так, как мне было нужно.

Есть много разных мнений о том, сколько математики вам нужно знать, чтобы освоить машинное обучение и ИИ. Я поделюсь своим.

Если вы хотите применить методы машинного обучения и искусственного интеллекта к проблеме, вам не обязательно иметь глубокое понимание математики, чтобы получить хороший результат. Такие библиотеки, как TensorFlow и PyTorch, позволяют кому-то с небольшим опытом работы с Python создавать современные модели, пока математика решается за кулисами.

Если вы хотите углубиться в машинное обучение и исследования ИИ с помощью программы PhD или чего-то подобного, глубокое знание математики имеет первостепенное значение.

В моем случае я не собираюсь углубляться в математику и улучшать производительность алгоритма на 10%. Я оставлю это людям умнее меня. Вместо этого я более чем счастлив использовать доступные мне библиотеки и манипулировать ими, чтобы помочь решить проблемы по своему усмотрению.


Что на самом деле делает инженер машинного обучения?

То, что машиностроитель делает на практике, может оказаться не тем, что вы думаете.

Несмотря на фотографии на обложках многих онлайн-статей, это не всегда связано с работой роботов с красными глазами.

Вот несколько вопросов, которые ML-инженер должен задавать себе ежедневно.

  • Контекст - Как можно использовать ML, чтобы узнать больше о вашей проблеме?
  • Данные - Вам нужно больше данных? В какой форме это должно быть? Что вы делаете, когда данные отсутствуют?
  • Моделирование - какую модель использовать? Это слишком хорошо работает на данных (переоснащение)? Или почему это не работает очень хорошо (недостаточно)?
  • Производство - Как вы можете взять свою модель в производство? Это должна быть онлайн-модель или она должна обновляться через определенные промежутки времени?
  • Текущая - что произойдет, если ваша модель сломается? Как вы можете улучшить его с помощью большего количества данных? Есть ли лучший способ сделать что-то?

Я позаимствовал их из замечательной статьи Рэйчел Томас, одной из соучредителей fast.ai , она углубляется в полный текст. [4]

Более того, я снял видео о том, что мы обычно делаем в понедельник в Max Kelsen [5] .


Нет заданного пути

Нет правильного или неправильного способа попасть в ОД или ИИ.

Прекрасная вещь в этой области - у нас есть доступ к некоторым из лучших технологий в мире, и все, что нам нужно сделать, - это научиться их использовать.

Вы можете начать с изучения кода Python.

Вы можете начать с изучения исчисления и статистики.

Вы можете начать с изучения философии принятия решений.

Машинное обучение и AI очаровывают меня из-за этого пересечения полей.

Чем больше я узнаю об этом, тем больше понимаю, что есть чему поучиться. И это раскручивает меня.

Иногда я расстраиваюсь, когда мой код не запускается. Или я не понимаю концепцию. Так что я временно сдаюсь. Я сдаюсь, позволяя себе уйти от проблемы и вздремнуть. Или пойти на прогулку. Когда я возвращаюсь, мне кажется, что я смотрю на это другими глазами. Волнение возвращается. Я продолжаю учиться.

В поле так много всего происходит, что начинать сложно. Слишком много вариантов ведут к отсутствию вариантов. Проигнорируйте это.

Начните там, где вас интересует больше всего, и следуйте ему. Если это ведет в тупик, прекрасно, вы выяснили, что вас не интересует. Восстановите свои шаги и вместо этого возьмите другую развилку на дороге.

Компьютеры умны, но они все еще не могут учиться самостоятельно. Им нужна твоя помощь.

Сноски

[1] Моя Магистерская Степень Мастера Искусственного Интеллекта

[2] Трелло

[3] Мой первый день инженера по машинному обучению | Изучение интеллекта 32

[4] Что на самом деле делают практики машинного обучения?

[5] Макс Келсен | Большое количество данных. Большие идеи

| |