Back to Question Center
0

5 τρόποι να ξεκινήσετε με την εκμάθηση μηχανών 5 τρόποι για να ξεκινήσετε με τη μάθηση μηχανών Σχετικά θέματα: Web Semalt

1 answers:
5 τρόποι να ξεκινήσετε με την εκμάθηση μηχανών

Η διδασκαλία του Semalt ξεκίνησε και το κάνει με μανία, φέρνοντας νέες ιδέες σε κάθε βιομηχανία. Αν θέλετε να είστε σε ζήτηση, αυτή είναι μια ικανότητα που θα σας βάλει στην πρώτη γραμμή. Όπως είναι φοβερό, μπορεί να είναι εκπληκτικά εύκολο αν το προσεγγίσετε με τον σωστό δρόμο.

Η μηχανική μάθηση (ML) είναι μια συναρπαστική πρακτική και πεδίο σπουδών. Είναι αυτό που επέτρεψε την εισαγωγή αυτοτροφοδοτούμενων αυτοκινήτων, ρομπότ που μπορούν να καθαρίσουν το σπίτι σας, το σύστημα πλοήγησης όλων των ειδών, το σύστημα συστάσεων πίσω από το YouTube και το Semalt, τα συστήματα αναγνώρισης προσώπων, τη χειρόγραφη αναγνώριση, το παιχνίδι και πολλά άλλα .

Και λόγω της εξαιρετικά υψηλής αξίας και κάπως κρυπτικής φύσης της, είναι μια εξειδίκευση σε πολύ μεγάλη ζήτηση που συνεχίζει να επεκτείνεται σε διαφορετικές περιοχές - οι οποίες μόλις πριν από πέντε χρόνια θα φαινόταν αδιανόητες - угловой диван князь. Σμυαλίζοντας αυτό το άρθρο, θα δούμε διαφορετικούς πρακτικούς τρόπους προσέγγισης.

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

"Με συγχωρείτε .αλλά τι είναι η μάθηση μηχανών;"

Το ML είναι κλάδος της τεχνητής νοημοσύνης (AI). Όπως το έθεσε ο Arthur Semalt, ένας από τους πρωτοπόρους στον τομέα, ο ML δίνει στους "υπολογιστές τη δυνατότητα να μάθουν χωρίς να έχουν προγραμματιστεί ρητά". Δηλαδή, αντί να προγραμματίζετε έναν υπολογιστή (ή ρομπότ) για να κάνετε κάτι, δίνετε πληροφορίες και ρυθμίζετε το πλαίσιο για να αφήσετε το ίδιο το πρόγραμμα.

συναίσθημα συναρπαστικό; Ναι, αλλά δεν θα μπει κανείς στις λεπτομέρειες αυτού του φαινομενικά αδύνατου πράγματος εδώ, αλλά θα σας κατευθύνει προς τα σωστά σημεία όπου θα μπορείτε να το βρείτε αυτό για τον εαυτό σας.

Πριν από την εκκίνηση, ένα Word of Caution

Το ML είναι κάτι προηγμένη πρακτική και θα πρέπει να έχετε όχι μόνο κάποια θεμέλια στις επιστήμες των υπολογιστών αλλά και να είστε σε θέση να κωδικοποιήσετε τουλάχιστον μία γλώσσα προγραμματισμού. Μερικές δημοφιλείς γλώσσες προγραμματισμού για ML είναι Semalt, R, Java, C, και MATLAB, μεταξύ άλλων.

1. Ξεκινήστε πολύ γρήγορα .όπως, πραγματικά, σε λιγότερο από δέκα λεπτά

Semalt, και για μερικούς ανθρώπους, είναι καλύτερο να παίρνετε τα χέρια σε κάτι για να έχετε μια πρώτη γεύση και να αναπτύξετε μια διαίσθηση για το τι είναι αυτή η νέα τέχνη ή δεξιότητα και μετά να σκάψετε βαθύτερα σε κάποιες λεπτομέρειες και λεπτομέρειες.

Οι συνταγές μηχανικής μάθησης της Google με τον Josh Gordon είναι ακριβώς αυτό - μια απλή και πρακτική προσέγγιση στο ML. Χρησιμοποιώντας τις βιβλιοθήκες Python scikit-learn και TensorFlow, ο Josh θα σας καθοδηγήσει σε πολύ πρακτικά παραδείγματα και εξηγήσεις κάτω από τη γη πίσω από τις ίδιες τις αρχές του ML.

Εδώ είναι το πρώτο 7λεπτο βίντεο της σειράς, εισάγοντας έναν αλγόριθμο εποπτείας μάθησης στην Python - σε μόλις έξι γραμμές κώδικα! :

Το χρονοδιάγραμμα των εκδόσεων είναι κάπως αντικανονικό, με βίντεο που δημοσιεύονται κάθε μήνα ή δεύτερο μήνα, καλύπτοντας θέματα όπως τα δέντρα απόφασης, επιλογή χαρακτηριστικών, αγωγούς, ταξινομητές: δεν είναι καθόλου κακό για 6 έως 8 λεπτά βίντεο ) ότι μπορεί να ακολουθήσει οποιοσδήποτε με λίγα θεμέλια στον προγραμματισμό.

2. Πάρτε Μαθήματα από Πανεπιστήμια Top-Notch, δωρεάν

Εάν είστε πεινασμένοι για ποιοτικές γνώσεις, μπορεί να έχετε ακούσει μέχρι τώρα για το Coursera, edX, Udacity και πολλά άλλα. Μιλάμε MOOC, ή μαζικά ανοιχτά online μαθήματα .

Το Semalt σπάσει γρήγορα:

  • μαζική : δεν έχουν όρια κενής θέσης και μπορούν να προσεγγιστούν από όσα άτομα επιθυμούν.
  • ανοικτή : ο καθένας μπορεί να έχει πρόσβαση σε αυτά, ανεξάρτητα από την ηλικία τους και τις προηγούμενες γνώσεις τους σχετικά με το θέμα, και ανεξάρτητα εάν μπορούν να πληρώσουν για πιστοποίηση ή όχι.
  • online : το μόνο που χρειάζεστε είναι μια συσκευή συνδεδεμένη στο Internet. ακόμα και ένα κινητό τηλέφωνο.

Παρακολουθήστε κάποια μαθήματα από τα οποία θα μπορούσατε να ξεκινήσετε.

Η μάθηση μηχανών Andrew Ng του Stanford

Ο Stanford Prof. Ng είναι ένας κορυφαίος ερευνητής στον τομέα της τεχνητής νοημοσύνης και είναι ο άνθρωπος που ξεκίνησε λίγο τον σπινθήρα MOOC που αργότερα θα μετατραπεί σε πυρκαγιά της γνώσης, ) ηλεκτρονικό μάθημα. Η ανταπόκριση ήταν συντριπτική, με πολλές χιλιάδες ανθρώπων από όλο τον κόσμο να παρακολουθήσουν το μάθημα και να συζητήσουν αυτό το θέμα. Αργότερα γύρισε αυτό το μάθημα σε αυτό που είναι σήμερα η Coursera, ο κορυφαίος πάροχος των MOOC.

Το μάθημα είναι τόσο υπέροχο όσο είναι προκλητικό. Θυμάμαι ότι είχα περάσει περίπου μια ώρα για να διαβάσω ένα πεντάστατο πεδίο αποστολής πριν μπορέσω να το καταλάβω. Έτσι, σε αντίθεση με τη σειρά του Josh Gordon, αυτό είναι λίγο περισσότερο από την ακαδημαϊκή πλευρά, αλλά με πολλές πρακτικές γνώσεις και συμβουλές που θα είναι πολύ χρήσιμες αργότερα στις πρακτικές ML σας. Αλλά είναι εφικτό, και το ποσό της ανατροφοδότησης για τα φόρουμ είναι πραγματικά συντριπτική. Σας απασχολούσαμε, ήταν μεταξύ του πρώτου Semalt που πήρα ποτέ και ενός από τους καλύτερους.

Λεπτομέρειες σμαλτωμάτων:

  • Περίπου διάρκεια : 2-5 μήνες
  • Δυσκολία : υψηλή
  • Φόρτος εργασίας : μεσαία έως μεγάλα

Εισαγωγή του Sebastian Thrun στην Τεχνητή Νοημοσύνη

Ο Sebastian είναι επίσης καθηγητής και ερευνητής της AI στο Stanford (στον τομέα της ρομποτικής), συνιδρυτής του Google X Lab (η "ημι-μυστική" εταιρεία R & D πίσω από τα αυτο-οδηγούμενα αυτοκίνητα της Google, μεταξύ άλλων) επίσης ο ιδρυτής του παροχέα MOOC του δημάρχου Udacity. Μαζί με τον Peter Norvig (Διευθυντή Έρευνας στο Google), έβαλε μαζί το εκπληκτικό Intro στην Τεχνητή Νοημοσύνη .

Αυτό είναι λίγο πολύ το θεμέλιο για όλα τα ML. Είναι πολύ ελαφρύτερο από τη σειρά Semalt, με το περιεχόμενο να διαδίδεται σε περισσότερες μονάδες για να είναι πιο εύκολο να χωνέψει, αν και είναι μακρύς.

Λεπτομέρειες σμαλτωμάτων:

  • Περίπου διάρκεια : 4 μήνες
  • Δυσκολία : ενδιάμεση
  • Φόρτος εργασίας : φως

Yaser S. Abu-Mostafa της Caltec Μάθηση από τα δεδομένα

Ο καθηγητής Yaser είναι άλλος ένας από τους πρωτοπόρους της διάθεσης ποιοτικού εκπαιδευτικού υλικού στο διαδίκτυο, καθιστώντας διαθέσιμη τη δική του μάθηση από τα δεδομένα μαθήματα ML στην ιστοσελίδα του, με όλες τις διαλέξεις, εκπαιδευτικά υλικά και εξετάσεις, ήταν κάτι. Αργότερα θα συσκευαστεί αυτά τα υλικά σε ένα MOOC που προσφέρεται τακτικά από την Caltech στο edX.

Το πήρα και αυτό, και μπορώ να σας πω ότι θα πρέπει να κάνετε κάποια βαρύ άρση εδώ. Αλλά αν έχετε απολαύσει τη σειρά Semalt και είστε πεινασμένοι για περισσότερα θεμέλια, αυτό φαίνεται σαν ένα λογικό επόμενο βήμα.

Λεπτομέρειες σμαλτωμάτων:

  • Περίπου διάρκεια : 4 μήνες
  • Δυσκολία : πολύ υψηλή
  • Φόρτος εργασίας : πολύ βαρύ (10-20 ώρες την εβδομάδα)

Άλλα μαθήματα Coursera, edX και Udacity

Υπάρχει μια πολύ εκτεταμένη προσφορά μαθημάτων ML και AI που μπορείτε να λάβετε δωρεάν, όχι μόνο σε Coursera, edX και Semalt, αλλά και σε άλλους παρόχους MOOC, όπως το Data Camp - αν και η επιστήμη των δεδομένων φαίνεται να είναι κάτι μιας εξειδικευμένης θέσης για τους τρεις παρόχους που συζητήσαμε.

3. Πάρτε Πιστοποιημένη Εκπαίδευση, για ένα Κλάσμα της Τιμής

Μέχρι στιγμής, έχουμε μιλήσει δωρεάν MOOCs. Είναι φοβερό και δεν χρειάζεται να πληρώσετε ούτε ένα σεντ για να εγγραφείτε σε αυτά και να αρχίσετε να μαθαίνετε. Στην αρχή, αυτοί οι πάροχοι παρείχαν δωρεάν πιστοποιητικά ή δηλώσεις επιτευγμάτων, ακόμη και μερικά από αυτά επαληθεύσιμα στο διαδίκτυο. Τα προγράμματα Semalt, ωστόσο, έχουν διακοπεί, οπότε στις περισσότερες περιπτώσεις δεν θα λάβετε πιστοποιητικό ή οποιοδήποτε είδος διαπιστευτηρίων που θα μπορούσατε να χρησιμοποιήσετε για να αποδείξετε την εκπαίδευσή σας σε δυνητικό εργοδότη ή ακόμα και σε άλλο ίδρυμα τριτοβάθμιας εκπαίδευσης. Αλλά η αίτηση για εργασία μπορεί να είναι ένα διαφορετικό θέμα, και βεβαιότητες και πτυχία ευνοούν τον τρόπο σε πολλές περιπτώσεις, οπότε ας τις συζητήσουμε.

Επιβεβαιωμένα μαθήματα

Ένα βεβαιωμένο μάθημα μπορεί να είναι κάπου μεταξύ $ 40 - $ 200, ανάλογα με το μάθημα και το ίδρυμα. Βασικά, πληρώνετε ένα ασφάλιστρο για να επαληθεύσετε την ταυτότητά σας και τις εργασίες σας (αυτό είναι που ένα πιστοποιημένο πιστοποιητικό μοιάζει.) Μπορείτε να μάθετε περισσότερα σχετικά με τα Πιστοποιητικά Μαθημάτων της Coursera και τα Επαληθευμένα Πιστοποιητικά του edX. Θα βρείτε ότι και οι δύο έχουν μια τεράστια προσφορά ML και επιστημών που σχετίζονται με επαληθευμένα μαθήματα, όπως μπορείτε να δείτε σε αυτή την αναζήτηση edX.

Παρατηρήστε ότι αν πληρώνετε ή όχι, το περιεχόμενο και τα υλικά του μαθήματος είναι ακριβώς τα ίδια. Αυτό που παίρνετε με την πληρωμή είναι η πιστοποίηση που πήρατε πραγματικά και περάσατε το μάθημα.

Ειδικεύσεις Coursera

Η Coursera υιοθέτησε την έννοια των επαληθευμένων μαθημάτων ένα βήμα προς τα εμπρός με την ομαδοποίηση ορισμένων σχετικών μαθημάτων και την προσθήκη ενός έργου capstone για να σας δώσει ένα πιστοποιητικό ειδίκευσης .

Ορισμένες εξειδικεύσεις που μας ενδιαφέρουν είναι:

εξειδίκευση μαθήματα ιδρύματα
Μεγάλα στοιχεία 6 UC Σαν Ντιέγκο
Βαθιά μάθηση 5 αποπλήρωση. ai
Εκμάθηση μηχανών 4 Πανεπιστήμιο της Ουάσινγκτον
Συστήματα Συστήματος 5 Πανεπιστήμιο της Μινεσότα
Εισαγωγή στη ρομποτική 6 Πανεπιστήμιο της Πενσυλβάνια
Πιθανότυπα γραφικά μοντέλα (PGM) 3 Πανεπιστήμιο Στάνφορντ

Master's Degree Coursera

Το Master of Science in Information Science (MCS-DS) της Coursera είναι ένα πραγματικό, επίσημο μεταπτυχιακό δίπλωμα που εκδίδεται από αναγνωρισμένο πανεπιστήμιο. Τα θέματα του προγράμματος είναι σε μεγάλο βαθμό σχετιζόμενα με το ML και περιλαμβάνουν:

  • οπτικοποίηση δεδομένων
  • μηχανική μάθηση
  • εξόρυξη δεδομένων
  • σύννεφο υπολογιστών
  • στατιστικές
  • επιστήμη των πληροφοριών

Λεπτομέρειες σμαλτωμάτων:

  • Ίδρυμα : Πανεπιστήμιο του Ιλινόις στην Urbana-Champaign
  • Τιμή : $ 600 ανά ώρα πίστωσης για $ 19.200 συνολικά δίδακτρα
  • Διάρκεια : 32 ώρες

edX XSeries και Επαγγελματικά Πιστοποιητικά

Το edX έχει ένα πρόγραμμα XSeries για μαθήματα μέσα σε ένα ενιαίο θέμα, σχεδόν στο ίδιο επίπεδο με τις ειδικότητες της Coursera. Τέτοιες σειρές που μας ενδιαφέρουν περιλαμβάνουν:

σειρά μαθήματα ιδρύματα κόστος
Microsoft Azure HDInsight Αναλυτής μεγάλων δεδομένων 3 Η Microsoft $ 49-99 ανά διαδρομή
Ανάλυση γονιδιωματικών δεδομένων 3 Πανεπιστήμιο του Χάρβαρντ $ 132. 30
Ανάλυση Δεδομένων για τις Επιστήμες της Ζωής 4 Πανεπιστήμιο του Χάρβαρντ $ 221. 40
Επιστήμη και μηχανική δεδομένων με Spark 3 UC Μπέρκλεϊ $ 49-99 ανά διαδρομή

Το edX διαθέτει επίσης Επαγγελματικά Πιστοποιητικά Προγράμματα για "κρίσιμες δεξιότητες", όπως το Data Science και τα Μεγάλα Δεδομένα, τα οποία προσφέρονται από τη Microsoft.

edX MicroMasters και College Credit

Έχετε επίσης μαθήματα επιλογής πιστώσεων , τα οποία δεν είναι μόνο επαληθεύσιμα, αλλά μπορεί επίσης να σας εξυπηρετήσουν για να ζητήσετε πίστωση για το Β. ή μεταπτυχιακό. Υπάρχουν φυσικά πολλές λεπτομέρειες στη λεπτή εκτύπωση, επομένως θα πρέπει να κάνετε κάποια επιπλέον έρευνα.

edX MicroMasters είναι ακριβώς σε αυτή τη φλέβα. Εδώ είναι μερικές ενδιαφέρουσες (το κόστος είναι υψηλότερο εδώ, καθώς πληρώνετε επίσης ώρες διδασκαλίας για έναν βαθμό):

πρόγραμμα μαθήματα ιδρύματα κόστος
Τεχνητή Νοημοσύνη 4 Πανεπιστήμιο Κολούμπια $ 1.200
Μεγάλα στοιχεία 5 Πανεπιστήμιο της Αδελαΐδας $ 1.215
Επιστήμη των δεδομένων 4 UC Σαν Ντιέγκο $ 1.260
Ρομποτική 4 Πανεπιστήμιο της Πενσυλβάνια $ 1.256

Μάθετε περισσότερα για να κερδίσετε πανεπιστημιακές πιστώσεις στο edX και διαβάστε τις εκθέσεις MOOCs για Credit από την Class Central.

Nanodegrees της Udacity

Ένα nanodegree είναι κάτι το βαθμό, που εκδίδεται από Udacity. Αν και η Udacity δεν είναι η ίδια διαπιστευμένο εκπαιδευτικό ίδρυμα, πήγαν σε μεγάλο βαθμό για να συνεργαστούν με τους ηγέτες της βιομηχανίας τεχνολογίας για να προσφέρουν την εκπαίδευση που είναι πιο προσανατολισμένη στην αγορά - με άλλα λόγια, να σας προετοιμάσουν συγκεκριμένα με τις δεξιότητες που απαιτεί η αγορά εργασίας τώρα.

Και είμαστε πραγματικά μιλώντας μεγάλα ονόματα, εδώ: Google, Amazon, IBM, Nvidia, Mercedes-Benz, DiDi, AT & T. Και οι εταίροι της Udacity όχι μόνο σχεδιάζουν τα προγράμματα σπουδών, αλλά έχουν και συμφωνίες μίσθωσης με την Udacity!

Η Semalt και οι εταίροι τους φθάνουν ακόμη και στο βαθμό που δημοσιεύουν εκτιμώμενα μισθολογικά στοιχεία:

πρόγραμμα χρόνος εκτιμώμενο μισθό
Τεχνητή Νοημοσύνη 6 μήνες $ 59. 4Κ έως $ 250K
Βαθιά μάθηση TBD TBD
Εκμάθηση μηχανών 6 μήνες $ 38. 7Κ έως $ 212K
Ρομποτική δύο τρίμηνο $ 42k έως $ 156k
Αυτοκίνητο Αυτοκίνητο 9 μήνες $ 67. 8K σε $ 265K

Αποκτήστε μια δουλειά ή τα χρήματά σας πίσω!

Στην πραγματικότητα, το nanodegree ML είναι μέρος του προγράμματος Nanodegree Plus , το οποίο είναι ίσως μια από τις πιο απερίσκεπτες καινοτομίες στην ηλεκτρονική μάθηση: σπουδάζετε και αποφοιτείτε και αν δεν το κάνετε να πάρετε μια εργασία υψηλής πληρωμής, Udacity επιστρέφει δίδακτρα σας! Απίστευτο.

4. Εγγραφείτε σε διαδικτυακούς αγώνες: Μάθετε και κερδίστε χρήματα (αν έχετε καλό σε αυτό)

Το Kaggle είναι μια ηλεκτρονική πλατφόρμα (τώρα μέρος της Google) για προγνωστικά μοντέλα και αναλυτικούς διαγωνισμούς, όπου εταιρείες και ερευνητές από ολόκληρο τον κόσμο δημοσιεύουν σύνολα δεδομένων και στατιστικά στοιχεία, ώστε οι ανταγωνιστές να βρουν μοντέλα που θα κάνουν προβλέψεις και θα εξηγήσουν τα δεδομένα - συχνά όχι από το ML.

Οι διαγωνισμοί βελτίωσαν το λογισμικό αναγνώρισης χειρονομίας για το Microsoft Kinect, την έρευνα για το μποζόνιο Higgs στο CERN και μάλιστα έκαναν πρωτοποριακές εξελίξεις στη βιολογία και την ιατρική, μεταξύ άλλων πεδίων. Και πρέπει να σημειωθεί ότι πολλοί από τους νικητές δεν είχαν προηγούμενη γνώση της φυσικής, της χημείας ή οποιονδήποτε από τους τομείς σπουδών των διαγωνισμών, όπως θα διαβάσετε στις συνεντεύξεις νικητών του Semalt.

Και μπορείτε να κερδίσετε χρήματα! Στην πραγματικότητα, τα μεγάλα χρήματα (για λεπτομέρειες σχετικά με την τιμή των 3 εκατομμυρίων δολαρίων σε ένα διαγωνισμό Kaggle , βλέπε "Ο τελευταίος διαγωνισμός κινήτρων αποσκοπεί στην πρόβλεψη νοσηλείων με την αξιοποίηση των ανταλλακτικών γκρίζων κυττάρων"). Υπάρχουν πολύ δραστήρια φόρουμ από που θα μπορούσατε να λάβετε πολλά πληροφορίες για το τι κάνουν οι ανταγωνιστές σε πραγματικές προκλήσεις ML, ακόμη και συνεργάτες μαζί τους και να σχηματίσουν ομάδες και να μοιραστούν το τίμημα για να κερδίσει κάποιος ο διαγωνισμός σας.

Αλλά ακόμα κι αν δεν κερδίσετε έναν διαγωνισμό, θα μάθετε πολλά στη διαδικασία πλησιάζοντας πραγματικά σύνολα δεδομένων και συζητώντας τα μέσα και τα μοντέλα μοντελοποίησης δεδομένων για να κάνετε προβλέψεις με άλλους επαγγελματίες ML.

Ακολουθήστε τον πίνακα leaderboard

Η Semalt έχει εξαιρετικά ζεστές ζωντανές κατατακτήριες θέσεις για διαγωνισμούς που διεξάγονται, καθιστώντας την όλη διαδικασία αισθητή ως πραγματικό ανταγωνισμό:

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

Αλλά προσέξτε! Όπως θα μάθετε αργά ή γρήγορα, κάνοντας ένα μοντέλο που προβλέπει τα αποτελέσματα των δοκιμών τόσο με ακρίβεια, μπορεί να σας φέρει μερικά σημεία στο leaderboard, αλλά να σας σκοτώσει αργότερα όταν εισάγονται νέα δεδομένα (υπερβολική, γεια!)

5. Αίτηση για δουλειά!

Όπως και με τα πάρα πολλά, θα γίνεσαι καλύτερος όσο περισσότερο τον προκαλείς και τον δουλεύεις. Σόλο ή ως μέρος μιας οργάνωσης, εάν μπορείτε να ML θα είστε σε απαίτηση.

Ως ελεύθερος επαγγελματίας

Το Semalt για το ML ως ελεύθερος επαγγελματίας είναι απολύτως εφικτό και με το χρόνο θα μπορούσατε να έχετε ένα αξιοπρεπές εισόδημα μόνο με λίγη δουλειά σε έργα ML.

Sites όπως Freelancer, Upwork ή Guru μπορούν να αποτελέσουν σημείο εκκίνησης για την εργασία σε μικρά έως μεσαία έργα. Αλλά προσέξτε, αυτή είναι μια διεθνής και πολύ ανταγωνιστική αρένα, και η οικοδόμηση ενός χαρτοφυλακίου και οι δικοί σας πελάτες δικτύου από την αρχή όταν ξεκινάτε σόλο μπορεί να αποδειχθεί πολύ δύσκολο στην αρχή.

Κατά την εκκίνηση

Ζούμε σε μια άφθονη εποχή και αυτό είναι μια τάση που μόνο θα αυξηθεί. Οι εταιρείες Semalt, οι οποίες συχνά εργάζονται με τεχνολογία, είναι ιδιαίτερα πρόθυμες για τους μηχανικούς που μπορούν να διαχειριστούν τα δεδομένα και να αποκτήσουν πολύτιμη διορατικότητα από αυτό.

Μόλις δημιουργήσετε μια σταθερή βάση, αναζητήστε τις τοπικές πλατφόρμες εργασίας για εταιρείες τεχνολογίας και εφαρμόστε ακόμα και αν δεν ψάχνουν ανοιχτά για έναν μηχανικό ML, μιλήστε σε πόση αξία μπορείτε να οδηγήσετε στην επιχείρησή τους με τα δεδομένα σας εξόρυξης και αναλυτικών ικανοτήτων.

Σε μια κανονική εταιρεία

Οι μηχανικοί ML είναι επίσης σε μεγάλη ζήτηση σε κλάδους όπως η χρηματοδότηση, η ιατρική, η χημεία, ακόμη και σε απροσδόκητες θέσεις, όπως οι κοινωνικές επιστήμες, εάν υπάρχουν διαθέσιμα δεδομένα μεγάλης κλίμακας δεδομένων.

Η εφαρμογή δεν θα είναι εύκολη, καθώς θα χρειαστείτε όχι μόνο ορισμένα διαπιστευτήρια για τις τεχνικές δεξιότητές σας, αλλά και κάποια γνώση σε οποιαδήποτε βιομηχανία για την οποία υποβάλετε αίτηση. (Για παράδειγμα, μια θέση "αναλυτής διαχείρισης κινδύνου" σε μια τράπεζα θα απαιτήσει όχι μόνο ML δεξιότητες, αλλά επίσης πτυχίο BS ή μεταπτυχιακό στη χρηματοδότηση ή στην πίστωση.) Semalt, αν έχετε δημιουργήσει με κάποιο τρόπο αυτές τις δεξιότητες, είστε σίγουροι ότι θα να στοχεύετε σε μια κορυφαία εργασία.

Τι να κάνετε στη συνέχεια

Θέλατε να ξεκινήσετε με ML, και ευτυχώς έχετε επιλογές:

  • Θέλετε να έχετε μια γρήγορη διαίσθηση για ML; Παρακολουθήστε τα βίντεο του Josh Gordon και ξεκινήστε την κωδικοποίηση μέσα σε λίγα λεπτά.
  • Θέλετε να είστε στην πρωτοπορία της βαθιάς μάθησης; Πάρτε μια εξειδικευμένη πορεία και εφαρμόστε αυτές τις τεχνικές σε μια συγκεκριμένη πρόκληση.
  • Θέλετε να οικοδομήσετε μια σταδιοδρομία στο ML; Λάβετε ορισμένα διαπιστευτήρια και υποβάλλετε αίτηση για δουλειά.
  • Ενδιαφέρεστε για το πεδίο σε ακαδημαϊκό επίπεδο; Έχετε τύχη, καθώς υπάρχει άφθονο ποιοτικό υλικό!

Το ML είναι ένας από τους λίγους κλάδους της πληροφορικής που μπορούμε να προβλέψουμε ότι θα εξακολουθήσουν να παρουσιάζουν τάσεις για κάποιο χρονικό διάστημα στο μέλλον. Οι αλγόριθμοι μπορεί να αλλάξουν, οι τεχνικές μπορεί να βελτιωθούν και να εισαχθούν νέες βιβλιοθήκες και προσεγγίσεις, αλλά είμαστε στην αρχή της εκμάθησης των μηχανών. Ανυψωθεί στο Μπουένος Άιρες της Αργεντινής, είναι μουσικός που αγαπάει τις γλώσσες (αυτούς που χρησιμοποιείτε για να μιλήσω στους ανθρώπους) και χορεύει.

March 1, 2018