Jalur pembelajaran top-down: Pembelajaran Mesin untuk Insinyur Perangkat Lunak
Terinspirasi oleh Universitas Wawancara Coding.
Terjemahan: Portugis Brasil | 中文版本 | Perancis | 臺灣華語版本
Bagaimana saya (Nam Vu) berencana menjadi insinyur pembelajaran mesin
Apa itu?
Ini adalah rencana studi multi-bulan saya untuk beralih dari pengembang seluler (otodidak, tanpa gelar Ilmu Komputer) menjadi insinyur pembelajaran mesin.
Tujuan utama saya adalah menemukan pendekatan untuk mempelajari Pembelajaran Mesin yang sebagian besar bersifat praktik dan mengabstraksi sebagian besar Matematika untuk pemula. Pendekatan ini tidak konvensional karena merupakan pendekatan top-down dan yang mengutamakan hasil yang dirancang untuk insinyur perangkat lunak.
Silakan memberikan kontribusi apa pun yang menurut Anda akan membuatnya lebih baik.
Daftar isi
Apa itu?
Mengapa menggunakannya?
Bagaimana cara menggunakannya
Ikuti saya
Jangan merasa Anda tidak cukup pintar
Tentang Sumber Daya Video
Pengetahuan Prasyarat
Rencana Harian
Motivasi
Ikhtisar pembelajaran mesin
Penguasaan pembelajaran mesin
Pembelajaran mesin itu menyenangkan
Pembelajaran Mesin Bertinta
Pembelajaran Mesin: Panduan Mendalam
Cerita dan pengalaman
Algoritma Pembelajaran Mesin
Buku Pemula
Buku Praktis
Kompetisi pengetahuan Kaggle
Seri Video
MOOC
Sumber daya
Menjadi Kontributor Sumber Terbuka
Pertandingan
Podcast
Komunitas
Konferensi
Pertanyaan Wawancara
Perusahaan yang saya kagumi
Mengapa menggunakannya?
Saya mengikuti rencana ini untuk mempersiapkan pekerjaan saya di masa depan: Insinyur pembelajaran mesin. Saya telah membangun aplikasi seluler asli (Android/iOS/Blackberry) sejak 2011. Saya memiliki gelar Rekayasa Perangkat Lunak, bukan gelar Ilmu Komputer. Saya memiliki sedikit pengetahuan dasar tentang: Kalkulus, Aljabar Linier, Matematika Diskrit, Probabilitas & Statistik dari universitas. Pikirkan tentang minat saya pada pembelajaran mesin:
Bisakah saya belajar dan mendapatkan pekerjaan di Machine Learning tanpa mempelajari Master CS dan PhD?
“Bisa, tapi itu jauh lebih sulit dibandingkan saat saya turun ke lapangan.” Drak Smith
Bagaimana cara mendapatkan pekerjaan di Machine Learning sebagai pemrogram perangkat lunak yang mempelajari sendiri Machine Learning, namun tidak pernah memiliki kesempatan untuk menggunakannya di tempat kerja?
"Saya merekrut pakar pembelajaran mesin untuk tim saya dan MOOC Anda tidak akan memberi Anda pekerjaan tersebut (ada berita yang lebih baik di bawah). Faktanya, banyak orang yang memiliki gelar master dalam pembelajaran mesin tidak akan mendapatkan pekerjaan tersebut karena mereka (dan sebagian besar orang yang telah mengambil MOOCs) tidak memiliki pemahaman mendalam yang akan membantu saya memecahkan masalah saya." Ross C.Taylor
Keterampilan apa yang diperlukan untuk pekerjaan pembelajaran mesin?
"Pertama, Anda harus memiliki latar belakang Ilmu Komputer/Matematika yang baik. ML adalah topik tingkat lanjut sehingga sebagian besar buku teks berasumsi bahwa Anda memiliki latar belakang tersebut. Kedua, pembelajaran mesin adalah topik yang sangat umum dengan banyak sub-spesialisasi yang memerlukan keterampilan unik. Anda mungkin ingin untuk menelusuri kurikulum program MS dalam Pembelajaran Mesin untuk melihat kursus, kurikulum, dan buku teks." Uri
"Probabilitas, komputasi terdistribusi, dan Statistik." Hortensia
Saya menemukan diri saya dalam masa-masa sulit.
AFAIK, Ada dua sisi pembelajaran mesin:
Pembelajaran Mesin Praktis: Ini tentang membuat kueri database, membersihkan data, menulis skrip untuk mengubah data dan merekatkan algoritma dan perpustakaan bersama-sama dan menulis kode khusus untuk mendapatkan jawaban yang dapat diandalkan dari data untuk menjawab pertanyaan yang sulit dan tidak jelas. Ini adalah kenyataan yang berantakan.
Pembelajaran Mesin Teoretis: Ini tentang matematika dan abstraksi serta skenario dan batasan ideal serta keindahan dan menginformasikan apa yang mungkin. Ini jauh lebih rapi dan bersih dan jauh dari kekacauan kenyataan.
Saya pikir cara terbaik untuk metodologi yang berfokus pada praktik adalah sesuatu seperti 'latihan - pembelajaran - praktik', yang berarti siswa pertama kali datang dengan beberapa proyek yang ada dengan masalah dan solusi (latihan) untuk mengenal metode tradisional di bidang tersebut dan mungkin juga dengan metodologi mereka. Setelah berlatih dengan beberapa pengalaman dasar, mereka dapat mempelajari buku-buku dan mempelajari teori yang mendasarinya, yang berfungsi untuk memandu praktik lanjutan mereka di masa depan dan akan meningkatkan perangkat mereka dalam memecahkan masalah-masalah praktis. Mempelajari teori juga semakin meningkatkan pemahaman mereka tentang pengalaman dasar, dan akan membantu mereka memperoleh pengalaman tingkat lanjut dengan lebih cepat.
Ini rencana yang panjang. Ini akan memakan waktu bertahun-tahun. Jika Anda sudah familiar dengan banyak hal ini, Anda akan membutuhkan lebih sedikit waktu.
Bagaimana cara menggunakannya
Segala sesuatu di bawah ini adalah garis besarnya, dan Anda harus menangani item-item tersebut secara berurutan dari atas ke bawah.
Saya menggunakan fitur penurunan harga khusus Github, termasuk daftar tugas untuk memeriksa kemajuan.
Buat cabang baru agar Anda dapat memeriksa item seperti ini, cukup beri tanda x di dalam tanda kurung: [x]
Lebih lanjut tentang penurunan harga seperti Github
Ikuti saya
Saya seorang Insinyur Perangkat Lunak Vietnam yang sangat bersemangat dan ingin bekerja di AS.
Berapa banyak yang saya kerjakan selama rencana ini? Kira-kira 4 jam/malam setelah seharian bekerja keras.
Saya sedang dalam perjalanan.
Twitter: @Nam Vu
AS saja
Jangan merasa Anda tidak cukup pintar
Saya putus asa dengan buku dan kursus yang memberi tahu saya begitu saya membukanya bahwa kalkulus multivariat, statistik inferensial, dan aljabar linier adalah prasyarat. Saya masih tidak tahu bagaimana memulainya…
Bagaimana Jika Saya Tidak Pandai Matematika
5 Teknik Memahami Algoritma Machine Learning Tanpa Latar Belakang Matematika
Bagaimana cara mempelajari pembelajaran mesin?
Tentang Sumber Daya Video
Beberapa video hanya tersedia dengan mendaftar di kelas Coursera atau EdX. Ini gratis untuk dilakukan, tetapi terkadang kelas tidak lagi berlangsung sehingga Anda harus menunggu beberapa bulan, sehingga Anda tidak memiliki akses. Saya akan menambahkan lebih banyak video dari sumber publik dan mengganti video kursus online seiring berjalannya waktu. Saya suka menggunakan kuliah universitas.
Pengetahuan Prasyarat
Bagian singkat ini berisi prasyarat/info menarik yang ingin saya pelajari sebelum memulai rencana harian.
Apa perbedaan antara Analisis Data, Analisis Data, Penambangan Data, Ilmu Data, Pembelajaran Mesin, dan Big Data?
Belajar Cara Belajar
Jangan Putuskan Rantainya
Cara belajar sendiri
Rencana Harian
Setiap mata pelajaran tidak memerlukan waktu seharian penuh untuk dapat memahaminya sepenuhnya, dan Anda dapat melakukan beberapa mata pelajaran dalam sehari.
Setiap hari saya mengambil satu subjek dari daftar di bawah, membacanya sampul demi sampul, membuat catatan, mengerjakan latihan, dan menulis implementasi dengan Python atau R.
Motivasi
Mimpi
Ikhtisar pembelajaran mesin
Pengantar Visual tentang Pembelajaran Mesin
Panduan Lembut untuk Pembelajaran Mesin
Pengantar Pembelajaran Mesin untuk Pengembang
Dasar-dasar Pembelajaran Mesin untuk pemula
Bagaimana Anda menjelaskan Machine Learning dan Data Mining kepada orang-orang non-Ilmu Komputer?
Pembelajaran Mesin: Di balik terpal. Postingan blog menjelaskan prinsip-prinsip pembelajaran mesin dalam istilah awam. Sederhana dan jelas
Apa itu pembelajaran mesin dan bagaimana cara kerjanya?
