machine learning for software engineers
1.0.0
코딩 인터뷰 대학에서 영감을 얻었습니다.
번역: 브라질 포르투갈어 | 중국어版本 | 프랑세즈 | 臺灣화어특본
나(Nam Vu)는 어떻게 머신러닝 엔지니어가 되기 위한 계획을 세웠는가?
이것은 모바일 개발자(독학, CS 학위 없음)에서 기계 학습 엔지니어로 나아가기 위한 몇 달 간의 학습 계획입니다.
나의 주요 목표는 초보자를 위해 주로 직접 실습하고 대부분의 수학을 추상화하는 기계 학습 연구에 대한 접근 방식을 찾는 것이었습니다. 이 접근 방식은 소프트웨어 엔지니어를 위해 설계된 하향식 및 결과 우선 접근 방식이라는 점에서 파격적입니다.
더 나아질 것이라고 생각되는 기여를 자유롭게 해주시기 바랍니다.
나는 가까운 미래의 직업인 기계 학습 엔지니어를 준비하기 위해 이 계획을 따르고 있습니다. 저는 2011년부터 기본 모바일 애플리케이션(Android/iOS/Blackberry)을 구축해 왔습니다. 저는 컴퓨터 과학 학위가 아닌 소프트웨어 엔지니어링 학위를 가지고 있습니다. 나는 대학에서 미적분학, 선형 대수학, 이산 수학, 확률 및 통계에 관한 아주 약간의 기본 지식을 가지고 있습니다. 머신러닝에 대한 나의 관심을 생각해 보세요.
나는 어려움에 처해 있습니다.
AFAIK, 기계 학습에는 두 가지 측면이 있습니다.
실습 중심 방법론의 가장 좋은 방법은 '연습 - 학습 - 실습'이라고 생각합니다. 즉, 학생들이 먼저 문제와 해결책이 있는 기존 프로젝트(연습)를 가지고 해당 분야의 전통적인 방법에 익숙해지는 것을 의미합니다. 그들의 방법론으로. 몇 가지 기본적인 경험을 통해 연습한 후 책을 읽고 기본 이론을 공부할 수 있습니다. 이는 미래의 고급 연습을 안내하고 실제 문제를 해결하는 도구 상자를 향상시키는 역할을 합니다. 또한 이론을 공부하면 초등 경험에 대한 이해가 더욱 향상되고 고급 경험을 더 빨리 습득하는 데 도움이 됩니다.
장기적인 계획이에요. 몇 년이 걸릴 거예요. 이미 이것에 대해 많이 알고 있다면 시간이 훨씬 덜 걸릴 것입니다.
아래의 모든 내용은 대략적인 내용이므로 위에서 아래로 순서대로 항목을 다루어야 합니다.
진행 상황을 확인하기 위한 작업 목록을 포함하여 Github의 특별한 마크다운 기능을 사용하고 있습니다.
Github 기반 마크다운에 대한 추가 정보
저는 정말 열정적이고 미국에서 일하고 싶어하는 베트남 소프트웨어 엔지니어입니다.
이 계획 기간 동안 나는 얼마나 일했습니까? 직장에서 길고 힘든 하루를 보낸 후 대략 밤에 4시간 정도 걸립니다.
나는 여행 중입니다.
| 미국은 도대체 |
저는 책을 열자마자 다변량 미적분학, 추론 통계학, 선형 대수학이 전제 조건이라고 말하는 책과 강좌를 들으면 낙담합니다. 아직 어떻게 시작해야 할지 모르겠어요…
일부 비디오는 Coursera 또는 EdX 수업에 등록해야만 볼 수 있습니다. 무료로 할 수 있지만 때로는 수업이 더 이상 진행되지 않아 몇 달을 기다려야 해서 접근할 수 없는 경우도 있습니다. 시간이 지남에 따라 공개 소스에서 더 많은 비디오를 추가하고 온라인 강좌 비디오를 대체할 예정입니다. 나는 대학 강의를 이용하는 것을 좋아한다.
이 짧은 섹션은 일일 계획을 시작하기 전에 배우고 싶었던 전제 조건/흥미로운 정보로 구성되어 있습니다.
각 과목을 완전히 이해하는 데 하루 종일 필요하지 않으며 하루에 여러 과목을 수행할 수 있습니다.
매일 나는 아래 목록에서 하나의 주제를 선택하여 처음부터 끝까지 읽고, 메모하고, 연습을 하고, Python 또는 R로 구현을 작성합니다.
쿼라
레딧
데이터 타우
딥러닝 뉴스
KDnuggets
