machine learning for software engineers Télécharger - machine learning for software engineers Téléchargement du code source

machine learning for software engineers

Code Source AI

1.0.0

Télécharger

Parcours d'apprentissage descendant : apprentissage automatique pour les ingénieurs logiciels

Inspiré par Coding Interview University.

Traductions : portugais brésilien | 中文版本 | Français | 臺灣華語版本

Comment je (Nam Vu) envisage de devenir ingénieur en apprentissage automatique

Qu'est-ce que c'est?

Il s'agit de mon plan d'études de plusieurs mois pour passer de développeur mobile (autodidacte, sans diplôme CS) à ingénieur en apprentissage automatique.

Mon objectif principal était de trouver une approche de l'étude de l'apprentissage automatique qui soit principalement pratique et résume la plupart des mathématiques pour le débutant. Cette approche n'est pas conventionnelle car il s'agit d'une approche descendante et axée sur les résultats conçue pour les ingénieurs logiciels.

N'hésitez pas à apporter toute contribution qui, selon vous, l'améliorera.

Table des matières

Qu'est-ce que c'est?
Pourquoi l'utiliser ?
Comment l'utiliser
Suis-moi
Ne pense pas que tu n'es pas assez intelligent
À propos des ressources vidéo
Connaissances préalables
Le plan quotidien
Motivation
Présentation de l'apprentissage automatique
Maîtrise de l'apprentissage automatique
L'apprentissage automatique est amusant
Apprentissage automatique à l'encre
Apprentissage automatique : un guide détaillé
Histoires et expériences
Algorithmes d'apprentissage automatique
Livres pour débutants
Livres pratiques
Concours de connaissances Kaggle
Série vidéo
MOOC
Ressources
Devenir contributeur Open Source
Jeux
Baladodiffusions
Communautés
Conférences
Questions d'entretien
Mes entreprises préférées

Pourquoi l'utiliser ?

Je suis ce plan pour préparer mon futur emploi : ingénieur en machine learning. Je crée des applications mobiles natives (Android/iOS/Blackberry) depuis 2011. J'ai un diplôme en génie logiciel, pas en informatique. J'ai une petite quantité de connaissances de base sur : le calcul, l'algèbre linéaire, les mathématiques discrètes, les probabilités et les statistiques de l'université. Pensez à mon intérêt pour l'apprentissage automatique :

Puis-je apprendre et obtenir un emploi dans le Machine Learning sans étudier CS Master et PhD ?
- "C'est possible, mais c'est bien plus difficile que lorsque je suis arrivé sur le terrain." Drac Smith
Comment puis-je obtenir un emploi dans le Machine Learning en tant que programmeur de logiciels qui étudie lui-même le Machine Learning, mais n'a jamais la chance de l'utiliser au travail ?
- "J'embauche des experts en apprentissage automatique pour mon équipe et votre MOOC ne vous obtiendra pas le poste (vous trouverez de meilleures nouvelles ci-dessous). En fait, de nombreuses personnes titulaires d'une maîtrise en apprentissage automatique n'obtiendront pas le poste parce qu'elles (et la plupart d'entre elles) j'ai suivi des MOOC) n'ai pas une compréhension approfondie qui m'aiderait à résoudre mes problèmes. Ross C.Taylor
Quelles compétences sont nécessaires pour les emplois en apprentissage automatique ?
- "Tout d'abord, vous devez avoir une formation décente en CS/Math. Le ML est un sujet avancé, donc la plupart des manuels supposent que vous avez cette formation. Deuxièmement, l'apprentissage automatique est un sujet très général avec de nombreuses sous-spécialités nécessitant des compétences uniques. Vous souhaiterez peut-être pour parcourir le programme d'un programme MS en Machine Learning pour voir le cours, le programme et le manuel." Uri
- "Probabilités, calcul distribué et statistiques." Hortensia

Je me retrouve dans des moments difficiles.

AFAIK, il y a deux côtés à l'apprentissage automatique :

Apprentissage automatique pratique : il s'agit d'interroger des bases de données, de nettoyer les données, d'écrire des scripts pour transformer les données et de coller des algorithmes et des bibliothèques ensemble et d'écrire du code personnalisé pour obtenir des réponses fiables à partir des données afin de satisfaire des questions difficiles et mal définies. C'est le désordre de la réalité.
Apprentissage automatique théorique : il s'agit de mathématiques, d'abstraction, de scénarios et de limites idéalisés, de beauté et d'information sur ce qui est possible. C’est beaucoup plus soigné, plus propre et éloigné du désordre de la réalité.

Je pense que la meilleure méthode pour une méthodologie centrée sur la pratique est quelque chose comme « pratique – apprentissage – pratique », ce qui signifie que les étudiants viennent d'abord avec des projets existants avec des problèmes et des solutions (pratique) pour se familiariser avec les méthodes traditionnelles dans le domaine et peut-être aussi. avec leur méthodologie. Après avoir pratiqué quelques expériences élémentaires, ils peuvent accéder aux livres et étudier la théorie sous-jacente, qui sert à guider leur future pratique avancée et améliorera leur boîte à outils pour résoudre des problèmes pratiques. L’étude de la théorie améliore également leur compréhension des expériences élémentaires et les aide à acquérir plus rapidement des expériences avancées.

C'est un long plan. Cela va me prendre des années. Si vous connaissez déjà beaucoup de choses, cela vous prendra beaucoup moins de temps.

Comment l'utiliser

Tout ce qui suit est un aperçu et vous devez aborder les éléments dans l'ordre de haut en bas.

J'utilise la version spéciale de démarque de Github, y compris des listes de tâches pour vérifier la progression.

Créez une nouvelle branche pour pouvoir vérifier des éléments comme celui-ci, mettez simplement un x entre parenthèses : [x]

En savoir plus sur la démarque à saveur Github

Suis-moi

Je suis un ingénieur logiciel vietnamien vraiment passionné et qui souhaite travailler aux États-Unis.

Combien ai-je travaillé pendant ce plan ? Environ 4 heures/nuit après une longue et dure journée de travail.

Je suis en voyage.

Twitter : @Nam Vu


Les États-Unis comme diable

Ne pense pas que tu n'es pas assez intelligent

Je suis découragé par les livres et les cours qui me disent dès que je les ouvre que le calcul multivarié, les statistiques inférentielles et l'algèbre linéaire sont des prérequis. Je ne sais toujours pas par où commencer…

Et si je ne suis pas bon en mathématiques
5 techniques pour comprendre les algorithmes d'apprentissage automatique sans connaissances en mathématiques
Comment puis-je apprendre l’apprentissage automatique ?

À propos des ressources vidéo

Certaines vidéos ne sont disponibles qu'en s'inscrivant à un cours Coursera ou EdX. C'est gratuit, mais parfois les cours ne sont plus en cours, vous devez donc attendre quelques mois et vous n'avez donc pas accès. Je vais ajouter davantage de vidéos provenant de sources publiques et remplacer les vidéos de cours en ligne au fil du temps. J'aime utiliser les cours universitaires.

Connaissances préalables

Cette courte section comprend des prérequis/informations intéressantes que je voulais apprendre avant de commencer le plan quotidien.

Quelle est la différence entre l'analyse de données, l'analyse de données, l'exploration de données, la science des données, l'apprentissage automatique et le Big Data ?
Apprendre Comment apprendre
Ne brisez pas la chaîne
Comment apprendre par soi-même

Le plan quotidien

Chaque sujet ne nécessite pas une journée entière pour pouvoir le comprendre pleinement, et vous pouvez en faire plusieurs en une journée.

Chaque jour, je prends un sujet de la liste ci-dessous, je le lis d'un bout à l'autre, je prends des notes, je fais les exercices et j'écris une implémentation en Python ou R.

Motivation

Rêve

Présentation de l'apprentissage automatique

Une introduction visuelle à l'apprentissage automatique
Guide doux de l'apprentissage automatique
Introduction à l'apprentissage automatique pour les développeurs
Bases du Machine Learning pour un débutant
Comment expliquez-vous l’apprentissage automatique et l’exploration de données à des non-informaticiens ?
Apprentissage automatique : sous le capot. L'article de blog explique les principes de l'apprentissage automatique en termes simples. Simple et clair
Qu’est-ce que l’apprentissage automatique et comment fonctionne-t-il ?
Comment devenir ingénieur en machine learning ?
~~[] Deep Learning - Une introduction non technique~~ [supprimé]

Maîtrise de l'apprentissage automatique

La méthode de maîtrise du Machine Learning
Apprentissage automatique pour les programmeurs
Apprentissage automatique appliqué avec maîtrise de l’apprentissage automatique
Mini-cours d'apprentissage automatique Python
Mini-cours sur les algorithmes d'apprentissage automatique

L'apprentissage automatique est amusant

L'apprentissage automatique, c'est amusant !
Partie 2 : Utiliser le Machine Learning pour générer des niveaux de Super Mario Maker
Partie 3 : Apprentissage profond et réseaux de neurones convolutifs
Partie 4 : Reconnaissance faciale moderne avec apprentissage profond
Partie 5 : Traduction linguistique avec le Deep Learning et la magie des séquences
Partie 6 : Comment faire de la reconnaissance vocale avec le Deep Learning
Partie 7 : Abuser des réseaux contradictoires génératifs pour créer du pixel art 8 bits
Partie 8 : Comment tromper intentionnellement les réseaux de neurones

Apprentissage automatique à l'encre

Partie 1 : Qu'est-ce que l'apprentissage automatique ?
Partie 2 : Apprentissage supervisé et apprentissage non supervisé

Apprentissage automatique : un guide détaillé

Présentation, objectifs, types d'apprentissage et algorithmes
Sélection, préparation et modélisation des données
Évaluation, validation, complexité et amélioration du modèle
Performances du modèle et analyse des erreurs
Apprentissage non supervisé, domaines connexes et apprentissage automatique en pratique

Histoires et expériences

Algorithmes d'apprentissage automatique

10 algorithmes d'apprentissage automatique expliqués à un « soldat de l'armée »
Top 10 des algorithmes d'exploration de données en anglais simple
10 termes d'apprentissage automatique expliqués dans un anglais simple
Une visite guidée des algorithmes d'apprentissage automatique
Les 10 algorithmes que les ingénieurs en apprentissage automatique doivent connaître
Comparaison des algorithmes d'apprentissage supervisé
Algorithmes d'apprentissage automatique : une collection d'implémentations minimales et propres d'algorithmes d'apprentissage automatique
Algorithme KNN dans l'apprentissage automatique

Livres pour débutants

Data Smart : Utiliser la science des données pour transformer les informations en Insight 1ère édition
Science des données pour les entreprises : ce que vous devez savoir sur l'exploration de données et la réflexion analytique sur les données
Analyse prédictive : le pouvoir de prédire qui cliquera, achètera, mentira ou mourra

Livres pratiques

Concours de connaissances Kaggle

Concours Kaggle : comment et par où commencer ?
Comment un débutant a utilisé de petits projets pour se lancer dans l'apprentissage automatique et rivaliser sur Kaggle
Maîtrisez Kaggle en participant à des compétitions constantes

Série vidéo

MOOC

Ressources

Jeux

Halite : jeu de codage IA
Vindinium : défi de programmation de l'IA
Concours général d'IA du jeu vidéo
Concours d'IA Angry Birds
Les jeux d'IA
Concours d'IA de jeu de combat
CodeCup
Tournoi étudiant StarCraft AI
Concours d'IA AIIDE StarCraft
Concours d'IA CIG StarCraft
CodinGame - Jeux de robots IA

Devenir contributeur Open Source

tensorflow/magenta : Magenta : génération de musique et d'art avec l'intelligence artificielle
tensorflow/tensorflow : calcul à l'aide de graphiques de flux de données pour un apprentissage automatique évolutif
cmusatyalab/openface : Reconnaissance faciale avec des réseaux neuronaux profonds.
tensorflow/models/syntaxnet : modèles neuronaux de syntaxe.

Baladodiffusions

Podcasts pour débutants :
- Machines parlantes
- Digressions linéaires
- Sceptique des données
- Cette semaine dans l'apprentissage automatique et l'IA
- Guide d'apprentissage automatique
Entretiens avec des praticiens du ML, des chercheurs et des Kagglers à propos de leur Joureny
- Chai Time Science des données, audio, articles
- Apprentissage automatique pour les débutants – Entretiens, audio
"Plus" de podcasts avancés
- Partiellement dérivé
- Spectacle de données O'Reilly
- Pas si écart type
Des podcasts pour sortir des sentiers battus :
- Histoires de données

Communautés

Quora
- Apprentissage automatique
- Statistiques
- Exploration de données
Reddit
- Apprentissage automatique
- Vision par ordinateur
- Langue naturelle
- Science des données
- Mégadonnées
- Statistiques
Données Tau
Actualités sur l'apprentissage profond
KDnuggets

Conférences

Systèmes de traitement de l'information neuronale (NIPS)
Conférence internationale sur les représentations de l'apprentissage (ICLR)
Association pour l'avancement de l'intelligence artificielle (AAAI)
Conférence IEEE sur l'intelligence computationnelle et les jeux (CIG)
Conférence internationale de l'IEEE sur l'apprentissage automatique et ses applications (ICMLA)
Conférence internationale sur l'apprentissage automatique (ICML)
Conférences internationales conjointes sur l'intelligence artificielle (IJCAI)
Association pour la linguistique computationnelle (ACL)