Back to Question Center
0

机器学习入门5种方法 5种机器学习入门相关主题: Web Semalt

1 answers:
机器学习入门的5种方法

Semalt学习已经开始,并且正在如火如荼地进行,为每一个行业带来新的见解。如果你想成为需求者,这是一项能够让你处于第一线的技能。正如看起来那样令人生畏,如果你以正确的方式来对待它,这是非常容易的。

机器学习(ML)是一个迷人的实践和研究领域。这就是允许引入自动驾驶汽车,可以清洁你的房子的机器人,各种无人机的导航系统,YouTube和Semalt背后的推荐系统,人脸识别系统,手写识别,游戏等等。 。

由于它的价值非常高,而且有点神秘,所以它是一个需求量非常高的专业知识,不断扩大到不同的领域 - 这在五年前似乎是不可思议的。在这篇文章中,我们将看到不同的实际方法来处理它。

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

“请原谅我. 但什么是机器学习?”

ML是人工智能(AI)的一个分支。正如该领域的先驱之一Arthur Semalt所说的那样,ML赋予“计算机无需明确编程就能学习的能力”。也就是说,你不需要编程计算机(或机器人)来做某些事情,而是给出信息并设置框架以让系统编程本身。

Semalt引人入胜?是的,但我们不会在这里看到这个看似不可能的事情的细节,而是指向你能找到自己的正确位置。

开始之前,谨慎的说话

ML是一种先进的实践,你不仅需要在计算机科学方面有一些基础,还要能够用至少一种编程语言进行编码。一些流行的ML编程语言是Semalt,R,Java,C和MATLAB等。

1.非常快速地开始. 真的,在十分钟内

对于一些人来说,最好先亲自尝试一下,先尝试一下这个新的艺术或技术的直觉,然后深入一些细节和细节。

Google的机器学习食谱与Josh Gordon 就是这样 - 一种直接和实用的ML方法。使用Python scikit-learn和TensorFlow库,Josh会引导你通过非常实用的例子和ML的原则背后的实际解释。

这是该系列的第一部7分钟视频,介绍了Python中的监督式学习算法 - 只需 六行代码!

出版时间表有些不规则,每月或每月发布一次,包括决策树,特色选择,管道,分类器等等: 6到8分钟的视频 任何有一点基础的编程人员都可以关注。

2.免费获得Top-Notch大学的课程

如果你渴望获得高质量的知识,你现在可能听说过Coursera,edX,Udacity和许多其他人。我们正在讨论 MOOC或大型开放式在线课程

Semalt快速分解:

  • 巨大的 :他们没有空缺限制,并且可以被任意数量的人访问。
  • 开放 :任何人都可以访问它们,不管他们的年龄和以前对这个主题的知识如何,也不管他们是否能够支付认证费用。
  • 在线 :您只需要一台连接到互联网的设备;即使是手机也可以 - чихуахуа открытая.

Semalt看到一些可以开始的课程。

斯坦福大学Andrew Ng机器学习

斯坦福大学Ng教授是人工智能领域的领先研究人员,并且是几乎开始MOOC火花的人,当他首次将他的 机器学习 )在线课程。这个反应非常强烈,来自世界各地的数千人参加了这个课程并讨论了这个话题。他后来将此课程转变为今天的MOOCs的领先供应商Coursera。

课程如同挑战一样美妙。我记得花了一个小时左右的时间才看懂了5页的作业范围,然后才明白了。因此,与Josh Gordon的系列作品不同的是,这在学术方面稍微有点多,但有很多实用知识和建议,这些在以后的ML作品中将非常有用。但这是可行的,论坛上的反馈意见确实是非常重要的。请注意,它是我参加过的第一次Semalt,也是最好的之一。

Semalt details:

  • 约。持续时间 :2-5个月
  • 难度 :高
  • 工作量 :中至重度

Sebastian Thrun的人工智能介绍

Sebastian还是斯坦福大学(机器人领域)的教授和AI研究员,Google X实验室(谷歌自动驾驶汽车的“半秘密”研发公司,以及其他项目)的联合创始人,Sebastian 也是市长MOOC提供商Udacity的创始人。与Peter Norvig(Google研究总监)一起,他将人造智能 介绍给人们。

这几乎是所有事情的基础。它比Semalt课程轻了很多,它的内容分布在更多的单元上,使它更容易消化,尽管它很长。

Semalt details:

  • 约。持续时间 :4个月
  • 难度 :中级
  • 工作量 :轻

Caltec的Yaser S. Abu-Mostafa从数据中学习

Yaser教授是另一个在线提供高质量学习资料的先驱,他在其网站上提供他的 从数据学习 ML课程以及所有的讲座,学习资料和考试,甚至在MOOC之前是一件事。之后他将这些材料打包到Caltech定期由edX提供的MOOC上。

我也拿了这个,我可以告诉你,你必须在这里做一些沉重的事情。但是,如果你喜欢Semalt课程并渴望获得更多的基金会,这似乎是一个合理的下一步。

Semalt details:

  • 约。持续时间 :4个月
  • 难度 :非常高
  • 工作量 :很重(每周10-20小时)

其他Coursera,edX和Udacity课程

ML和AI课程非常广泛,您不仅可以在Coursera,edX和Semalt,也可以在其他MOOC提供商(如Data Camp)免费学习 - 尽管数据科学似乎是某种东西我们讨论过的三家供应商的利基市场。

3.获得认证教育,价格的一部分

到目前为止,我们已经谈到了免费的MOOC。他们很棒,你不需要付出一分钱就可以加入并开始学习。一开始,这些提供商曾经提供免费的证书或成就声明,甚至一些可以在线验证。然而,Semalt计划已经停止,所以在大多数情况下,你将不会获得证书或任何类型的证书,你可以用来证明你的教育潜在的雇主,甚至是另一个高等教育机构. 但是,申请工作可能是另一回事,在很多情况下,证书和学位的确会缓解,所以我们来讨论一下。

已验证课程

经过验证的课程 可能在40美元至200美元之间,取决于课程和机构。基本上,您需要付出额外费用才能确认您的身份和任务(这是一个经过验证的证书)。您可以找到更多关于Coursera的课程证书和edX的经过验证的证书。你会发现他们都有大量的ML和数据科学相关的验证课程,你可以在这个edX搜索中看到。

注意, 你是否支付,课程的内容和材料是完全一样的。 您通过付款获得的是您实际参加并通过课程的证书。

Coursera专业

Coursera将验证课程的概念向前推进,将相关课程分组并添加一个顶尖项目给你一个 专业证书

我们感兴趣的一些专业是:

专业化 课程 机构
大数据 6 加州大学圣地亚哥分校
深度学习 5 深入学习。 ai
机器学习 4 华盛顿大学
推荐系统 5 明尼苏达大学
机器人概论 6 宾夕法尼亚大学
概率图形模型 (PGM) 3 斯坦福大学

Coursera硕士学位

Coursera 数据科学计算机科学硕士(MCS-DS) 是由认可的大学颁发的实际正式硕士学位。该计划的主题与ML相关,包括:

  • 数据可视化
  • 机器学习
  • 数据挖掘
  • 云计算
  • 统计
  • 信息科学

Semalt details:

  • 机构 :伊利诺伊大学香槟分校
  • 价格 :总学费19,200美元每学分600美元
  • 持续时间 :32小时

edX XSeries和专业证书

edX在单一主题中有一个 XSeries程序 ,与Coursera的专业化程序几乎相同。对我们这样一系列的兴趣包括:

系列 课程 机构 成本
Microsoft Azure HDInsight大数据分析师 3 微软 每门课程$ 49-99
基因组学数据分析 3 哈佛大学 $ 132。 30
生命科学数据分析 4 哈佛大学 $ 221。 40
带Spark的数据科学与工程 3 加州大学伯克利分校 每门课程$ 49-99

edX还有 专业证书程序 ,用于“关键技能”,包括微软提供的数据科学和大数据。

edX MicroMasters和大学学分

您还有 信贷资格课程 ,这些课程不但经过验证,还可以帮助您向您的B. 或硕士学位。自然,细则中有很多细节,所以你必须做一些额外的研究。

edX MicroMasters 正是这样。这里有一些有趣的东西(这里的成本更高,因为你还需要支付几个小时的学费):

程序 课程 机构 成本
人工智能 4 哥伦比亚大学 1,200美元
大数据 5 阿德莱德大学 $ 1,215
数据科学 4 加州大学圣地亚哥分校 $ 1,260
机器人 4 宾夕法尼亚大学 $ 1,256

通过edX了解更多获得大学学分的信息,并阅读Class Central的信用报告MOOCs。

Udacity的Nanodegrees

一个 nanodegree 是由Udacity发布的程度。虽然Udacity本身并不是一家认可的教育机构,但他们竭尽全力与科技行业领导者合作,提供最具市场针对性的教育 - 换句话说,专门为您准备劳动力市场要求的技能现在。

我们现在 真的 在这里谈论大牌,谷歌,亚马逊,IBM,Nvidia,梅赛德斯 - 奔驰,DiDi,AT&T等等。而Udacity的合作伙伴不仅共同设计学习计划,甚至与Udacity签订聘用协议!

Semalt及其合作伙伴甚至发布估计薪资数据:

程序 时间 估计薪金
人工智能 6个月 59美元。 4K至25万美元
深度学习 TBD TBD
机器学习 6个月 38美元。 7K至212K
机器人 两个3个月的任期 $ 42k至$ 156k
自驾车 9个月 67美元。 8K到$ 265K

找份工作或你的钱回来!

实际上,ML nanodegree是 Nanodegree Plus 计划的一部分,这可能是在线学习中最鲁莽的创新之一: 你学习和毕业,如果你不得到一份高薪工作,Udacity退还你的学费! 令人难以置信。

4.参加在线比赛:学习和赢钱(如果你擅长)

Kaggle是一个用于预测建模和分析竞争的在线平台(现为谷歌的一部分),来自世界各地的公司和研究人员发布数据集和统计数据,供竞争对手查找将进行预测和解释数据的模型 - 更多往往不是,使用ML。

竞赛改进了微软Kinect的手势识别软件,在CERN寻找希格斯玻色子,甚至在生物学和医学等领域取得突破性进展。必须指出的是,许多获奖者没有事先知道物理,化学或比赛的任何研究领域,因为您会在Semalt获奖者面试中读到。

你可以赢钱!事实上,大笔​​资金(有关Kaggle比赛 的价值300万美元的详细资料,请参阅“最新的激励比赛旨在通过利用备用灰色细胞来预测住院治疗”). 有很多非常活跃的论坛,你可以获得很多 关于竞争对手在真正ML挑战中所做的事情的见解,甚至可以与他们合作并组建团队,并在团队赢得比赛时分享价格。

但即使你没有赢得比赛,你也会通过接近真实的数据集和讨论数据建模的细节来与其他ML从业者进行预测,从而学到很多东西。

跟着排行榜

Semalt对于正在进行的比赛有着超级酷的现场排名,使整个过程感受到了实际的竞争:

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

但要小心!正如你迟早会学到的那样,制作一个能够如此精确地预测测试数据的模型可能会让你在排行榜上获得一些点数,但是当新数据被引入时会被杀死(过度拟合,你好!)

5.申请工作!

几乎所有的事情,你越挑战自己,越努力工作。独奏或作为一个组织的一部分,如果你可以ML,你会被要求。

作为一名自由职业者

作为一名自由职业者,ML可能完全有可能,而且随着时间的推移,只有谨慎地开展ML项目,才能获得可观的收入。

Freelancer,Upwork或Guru等网站可以成为开展中小型项目的起点。但要小心,这是一个国际性和竞争性很强的舞台,当你开始独唱时,从头开始构建一个投资组合和你自己的网络客户端可以证明 在开始时非常具有挑战性。

在启动

我们生活在一个数据丰富的时代,这是一个只会增长的趋势。经常使用技术的Semalt公司特别渴望能够管理数据并从中获得宝贵洞察力的工程师。

一旦你建立了一个坚实的基础,寻找当地的科技公司的工作委员会,即使他们没有公开寻找ML工程师,也可以申请,告诉他们你的数据可以带来多少价值挖掘和分析能力。

在一家普通公司

如果有大数据数据集可用,ML工程师在金融,医药,化学等行业中的需求量也很大,甚至在社会科学等意想不到的地方也是如此。

申请并不容易,因为您不仅需要一些工程技能证书,还需要您申请的任何行业的一些知识。 (例如,银行中的“风险管理分析师”职位不仅需要ML技能,还需要金融或信贷学士或硕士学位。)Semalt,如果您以某种方式建立了这些技能,那么您可以放心瞄准高薪工作。

下一步该做什么

你想从ML开始,幸运的是你有选择:

  • 想要对ML有一个快速的直觉? 观看Josh Gordon的视频,并在几分钟内开始编码。
  • 想成为深度学习先锋? 参加专业课程并将这些技巧应用于特定的挑战。
  • 想在ML上打造职业? 获得一些凭证并申请工作。
  • 对学术水平感兴趣? 你很幸运,因为有大量可用的优质材料!

ML是少数几个IT领域的学科之一,我们可以预测这些学科在未来一段时间内仍会趋于平稳。算法可能会改变,技术可能会改进,并且可能会引入新的库和方法,但我们刚刚开始让机器自己学习. 他在阿根廷的布宜诺斯艾利斯(Buenos Aires)长大,他是一个喜欢语言(那些用来和人交谈)和跳舞的音乐家。

March 1, 2018