Искусственный интеллект

Почему STEM важен, если в математике компьютеры лучше, чем люди, а гуманитарные науки и философское мышление не могут быть заменены компьютером?

Любит | Нелюбов | Ответы | Вид | 2436


Оливер Тьялве студент-статистик, Вашингтонский университет   
@ | Обновлено Right Now


Шаг 1 - В этом пространстве не так много заданий начального уровня. Начальный уровень часто означает кого-то с твердыми навыками работы с данными, который сделал боковой переход к машинному обучению. Взломать означает начать с другой роли.

Шаг 2 - Установите реалистичные ожидания. С нуля вы смотрите на 5–8 лет, прежде чем вы в реальной роли. Дети из лагеря работают в качестве бариста. Отметив, что это неправильно, но не то, что они ожидали. Инженеры машинного обучения - высокотехнологичные люди, часто имеющие многолетний опыт работы с данными.

Шаг 3 - Инженеры машинного обучения являются программистами. Я использую два языка каждый день.

  • SQL - это место, где находятся данные для большинства реальных проектов. Нет навыков работы с данными = нет работы. Вот бесплатный курс для вас, если вы новичок в SQL. Transact-SQL
  • Python - Большинство рабочих мест в реальном мире ориентированы на Python. На самом деле для программистов на Python доступно больше заданий, специфичных для машинного обучения, чем для всех остальных языков вместе взятых. Вот еще один бесплатный курс для вас, посвященный лучшим библиотекам ML, упомянутым ниже. Кроме того, ядро ​​Python недостаточно хорошо. Вам нужно будет понять и использовать основные библиотеки машинного обучения. Рис ниже.

Шаг 4 - Получить работу по SQL. Единственный наиболее неправильно понятый аспект этого пространства - данные. Если вы не можете найти, обработать и очистить свои собственные данные, тогда никто не захочет вас. Google заявил, что навык номер 1, необходимый для инженера машинного обучения, - это реальный мир SQL.

Шаг 5 - Станьте ненасытным потребителем всего машинного обучения. Я брал интервью у людей, которые не знают иерархии ИИ или конвейера машинного обучения. Это конец интервью, когда это произойдет. Если вы не можете выплюнуть самые основные понятия, то вы, конечно, не можете сделать это с более сложными.

Вот ИИ Иерархия.

Вот процесс машинного обучения или конвейер.

Шаг 6 - пачкайте руки. Чтение книги по машинному обучению - это не то же самое, что умение создавать сквозные модели. Как только вы овладеете основами, соревнуйтесь в соревнованиях Kaggle. Ядра или ноутбуки вас многому научат.

Шаг 7 - Используйте редукционизм в своем обучении. (Используйте if для всего на самом деле) Если вы не можете свести сложную тему к простейшей форме, значит, вы недостаточно хорошо ее знаете. Используйте технику Фейнмана. Купите доску или напишите на стенах. Вы можете закрасить его, когда вы двигаетесь. Используйте картинки, чтобы представить почти все. Вы визуальное существо. Делайте заметки все время ... наглядно.

Шаг 8 - готовьтесь к собеседованиям. Внимательно прочитайте описание работы и постарайтесь предвидеть вопросы интервью.

Шаг 9 - Пройдите все онлайн-курсы, которые сможете. Многие из них бесплатны или относительно дешевы. Пройдите курс Академии хана по линейной алгебре. Это бесплатно. Линейная алгебра - это математика данных.

Например, рисунок ниже - это многомерный массив или тензор. Это то, как данные передаются в модели машинного обучения.

Шаг 10 - Станьте ультра учеником. Это большая работа, но вы можете сократить учебное время вдвое, если вы достаточно управляемы.

Потратьте время, чтобы изучить навыки. Запоминание Rote - это не обучение. Реальный мир вознаграждает творцов, а не регургитаторов знаний. Там не спешите, рабочие места будут там. Эта идея, что рабочие места быстро заполняются, смешна. Это пространство для технически элиты, и вход в барьер является жестоким.

Вы можете сделать это, но это будет нелегко. Ничего в жизни не стоит достигать.

| |



Онлайн-курс
«Всё о блокчейне и криптовалютах»
Один из самых трендовых курсов в сфере Цифровой экономики.