Download machine learning for software engineers - machine learning for software engineers Download do código-fonte

machine learning for software engineers

Código-Fonte de IA

1.0.0

Baixar

Caminho de aprendizagem de cima para baixo: Aprendizado de máquina para engenheiros de software

Inspirado na Coding Interview University.

Traduções: Português Brasileiro | 中文版本 | Français | 臺灣華語版本

Como eu (Nam Vu) pretendo me tornar um engenheiro de aprendizado de máquina

O que é?

Este é meu plano de estudo de vários meses para passar de desenvolvedor móvel (autodidata, sem diploma de CS) a engenheiro de aprendizado de máquina.

Meu principal objetivo era encontrar uma abordagem para estudar Aprendizado de Máquina que fosse principalmente prática e abstraísse a maior parte da matemática para iniciantes. Essa abordagem não é convencional porque é a abordagem de cima para baixo e que prioriza os resultados, projetada para engenheiros de software.

Por favor, sinta-se à vontade para fazer qualquer contribuição que achar que irá melhorar a situação.

Índice

O que é?
Por que usá-lo?
Como usar
Me siga
Não sinta que você não é inteligente o suficiente
Sobre recursos de vídeo
Conhecimento pré-requisito
O Plano Diário
Motivação
Visão geral do aprendizado de máquina
Domínio do aprendizado de máquina
O aprendizado de máquina é divertido
Aprendizado de máquina com tinta
Aprendizado de máquina: um guia detalhado
Histórias e experiências
Algoritmos de aprendizado de máquina
Livros para iniciantes
Livros Práticos
Competições de conhecimento Kaggle
Série de vídeos
MOOC
Recursos
Tornando-se um contribuidor de código aberto
Jogos
Podcasts
Comunidades
Conferências
Perguntas da entrevista
Minhas empresas admiradas

Por que usá-lo?

Estou seguindo este plano para me preparar para meu trabalho em um futuro próximo: engenheiro de aprendizado de máquina. Tenho desenvolvido aplicativos móveis nativos (Android/iOS/Blackberry) desde 2011. Sou formado em Engenharia de Software, não em Ciência da Computação. Tenho um pequeno conhecimento básico sobre: Cálculo, Álgebra Linear, Matemática Discreta, Probabilidade e Estatística desde a universidade. Pense no meu interesse em aprendizado de máquina:

Posso aprender e conseguir um emprego em Machine Learning sem estudar CS Master e PhD?
- "Você pode, mas é muito mais difícil do que quando entrei em campo." Draco Smith
Como consigo um emprego em Machine Learning como um programador de software que estuda Machine Learning por conta própria, mas nunca tem a chance de usá-lo no trabalho?
- "Estou contratando especialistas em aprendizado de máquina para minha equipe e seu MOOC não vai conseguir o emprego (há notícias melhores abaixo). Na verdade, muitas pessoas com mestrado em aprendizado de máquina não conseguirão o emprego porque elas (e a maioria que fiz MOOCs) não tenho um conhecimento profundo que me ajude a resolver meus problemas." Ross C. Taylor
Quais habilidades são necessárias para trabalhos de aprendizado de máquina?
- "Primeiro, você precisa ter uma formação decente em CS/Matemática. ML é um tópico avançado, então a maioria dos livros presume que você tenha essa formação. Em segundo lugar, o aprendizado de máquina é um tópico muito geral, com muitas subespecialidades que exigem habilidades únicas. Você pode querer para navegar no currículo de um programa de MS em Aprendizado de Máquina para ver o curso, currículo e livro didático." Uri
- "Probabilidade, computação distribuída e estatística." Hortênsia

Eu me encontro em momentos difíceis.

AFAIK, existem dois lados do aprendizado de máquina:

Aprendizado de máquina prático: trata-se de consultar bancos de dados, limpar dados, escrever scripts para transformar dados e unir algoritmos e bibliotecas e escrever código personalizado para extrair respostas confiáveis dos dados para satisfazer questões difíceis e mal definidas. É a bagunça da realidade.
Aprendizado de máquina teórico: trata-se de matemática e abstração e cenários idealizados e limites e beleza e informar o que é possível. É muito mais limpo e limpo e longe da bagunça da realidade.

Acho que a melhor forma de metodologia focada na prática é algo como 'prática - aprendizagem - prática', o que significa que os alunos primeiro vêm com alguns projetos existentes com problemas e soluções (prática) para se familiarizarem com os métodos tradicionais da área e talvez também com sua metodologia. Depois de praticar com algumas experiências elementares, eles podem acessar os livros e estudar a teoria subjacente, que serve para orientar sua futura prática avançada e irá aprimorar sua caixa de ferramentas para resolver problemas práticos. Estudar a teoria também melhora ainda mais a compreensão das experiências elementares e os ajudará a adquirir experiências avançadas mais rapidamente.

É um plano longo. Isso vai levar anos. Se você já estiver familiarizado com muito disso, levará muito menos tempo.

Como usar

Tudo abaixo é um esboço e você deve abordar os itens em ordem, de cima para baixo.

Estou usando o sabor especial de redução do Github, incluindo listas de tarefas para verificar o progresso.

Crie um novo branch para poder verificar itens como este, basta colocar um x entre colchetes: [x]

Mais sobre descontos no estilo Github

Me siga

Sou um engenheiro de software vietnamita muito apaixonado e quer trabalhar nos EUA.

Quanto trabalhei durante este plano? Aproximadamente 4 horas/noite após um longo e árduo dia de trabalho.

Estou viajando.

Twitter: @Nam Vu


EUA pra caramba

Não sinta que você não é inteligente o suficiente

Fico desanimado com livros e cursos que me dizem, assim que os abro, que cálculo multivariado, estatística inferencial e álgebra linear são pré-requisitos. Ainda não sei como começar…

E se eu não for bom em matemática
5 técnicas para compreender algoritmos de aprendizado de máquina sem experiência em matemática
Como posso aprender aprendizado de máquina?

Sobre recursos de vídeo

Alguns vídeos estão disponíveis apenas através da inscrição em um curso Coursera ou EdX. É gratuito, mas às vezes as aulas não estão mais em andamento, então você tem que esperar alguns meses e não tem acesso. Adicionarei mais vídeos de fontes públicas e substituirei os vídeos dos cursos on-line ao longo do tempo. Gosto de usar palestras universitárias.

Conhecimento pré-requisito

Esta pequena seção consiste em pré-requisitos/informações interessantes que eu gostaria de aprender antes de começar o plano diário.

Qual é a diferença entre análise de dados, análise de dados, mineração de dados, ciência de dados, aprendizado de máquina e big data?
Aprendendo a aprender
Não quebre a corrente
Como aprender sozinho

O Plano Diário

Cada assunto não requer um dia inteiro para ser compreendido completamente, e você pode fazer vários deles em um dia.

Cada dia eu pego um assunto da lista abaixo, leio de capa a capa, faço anotações, faço os exercícios e escrevo uma implementação em Python ou R.

Motivação

Sonhar

Visão geral do aprendizado de máquina

Uma introdução visual ao aprendizado de máquina
Guia suave para aprendizado de máquina
Introdução ao aprendizado de máquina para desenvolvedores
Noções básicas de aprendizado de máquina para iniciantes
Como você explica o aprendizado de máquina e a mineração de dados para pessoas que não são da ciência da computação?
Aprendizado de máquina: nos bastidores. A postagem do blog explica os princípios do aprendizado de máquina em termos leigos. Simples e claro
O que é aprendizado de máquina e como funciona?
Como se tornar um engenheiro de aprendizado de máquina?
~~[] Aprendizado profundo - uma introdução não técnica~~ [removido]

Domínio do aprendizado de máquina

O método de domínio do aprendizado de máquina
Aprendizado de máquina para programadores
Aprendizado de máquina aplicado com domínio de aprendizado de máquina
Minicurso de aprendizado de máquina Python
Minicurso sobre algoritmos de aprendizado de máquina

O aprendizado de máquina é divertido

O aprendizado de máquina é divertido!
Parte 2: Usando Machine Learning para gerar níveis de Super Mario Maker
Parte 3: Aprendizado Profundo e Redes Neurais Convolucionais
Parte 4: Reconhecimento facial moderno com aprendizado profundo
Parte 5: Tradução de Idiomas com Aprendizado Profundo e a Magia das Sequências
Parte 6: Como fazer reconhecimento de fala com aprendizado profundo
Parte 7: Abusando de Redes Adversariais Gerativas para Criar Pixel Art de 8 bits
Parte 8: Como enganar redes neurais intencionalmente

Aprendizado de máquina com tinta

Parte 1: O que é aprendizado de máquina?
Parte 2: Aprendizagem Supervisionada e Aprendizagem Não Supervisionada

Aprendizado de máquina: um guia detalhado

Visão geral, objetivos, tipos de aprendizagem e algoritmos
Seleção, preparação e modelagem de dados
Avaliação, validação, complexidade e melhoria do modelo
Desempenho do modelo e análise de erros
Aprendizagem não supervisionada, campos relacionados e aprendizado de máquina na prática

Histórias e experiências

Algoritmos de aprendizado de máquina

10 algoritmos de aprendizado de máquina explicados a um ‘soldado do exército’
Os 10 principais algoritmos de mineração de dados em inglês simples
10 termos de aprendizado de máquina explicados em inglês simples
Um tour pelos algoritmos de aprendizado de máquina
Os 10 algoritmos que os engenheiros de aprendizado de máquina precisam saber
Comparando algoritmos de aprendizagem supervisionada
Algoritmos de aprendizado de máquina: uma coleção de implementações mínimas e limpas de algoritmos de aprendizado de máquina
Algoritmo KNN em aprendizado de máquina

Livros para iniciantes

Data Smart: Usando Data Science para Transformar Informações em Insight 1ª Edição
Ciência de dados para empresas: o que você precisa saber sobre mineração de dados e pensamento analítico de dados
Análise preditiva: o poder de prever quem clicará, comprará, mentirá ou morrerá

Livros Práticos

Competições de conhecimento Kaggle

Competições Kaggle: Como e por onde começar?
Como um iniciante usou pequenos projetos para começar no aprendizado de máquina e competir no Kaggle
Domine Kaggle competindo consistentemente

Série de vídeos

MOOC

Recursos

Jogos

Halite: jogo de codificação de IA
Vindinium: desafio de programação de IA
Competição geral de IA de videogame
Competição de IA Angry Birds
Os jogos de IA
Competição de IA de jogos de luta
Code Cup
Torneio Estudantil de StarCraft AI
Competição AIIDE StarCraft AI
Competição CIG StarCraft AI
CodinGame - Jogos de bots de IA

Tornando-se um contribuidor de código aberto

tensorflow/magenta: Magenta: geração de música e arte com inteligência de máquina
tensorflow/tensorflow: computação usando gráficos de fluxo de dados para aprendizado de máquina escalonável
cmusatyalab/openface: Reconhecimento facial com redes neurais profundas.
tensorflow/models/syntaxnet: Modelos Neurais de Sintaxe.

Podcasts

Podcasts para iniciantes:
- Máquinas Falantes
- Digressões Lineares
- Cético em relação aos dados
- Esta semana em aprendizado de máquina e IA
- Guia de aprendizado de máquina
Entrevistas com praticantes, pesquisadores e Kagglers de ML sobre sua jornada
- Chai Time Ciência de dados, áudio, redações
- Aprendizado de máquina para iniciantes – entrevistas, áudio
Podcasts avançados "mais"
- Parcialmente Derivado
- Programa de dados de O'Reilly
- Desvio não tão padrão
Podcasts para pensar fora da caixa:
- Histórias de dados

Comunidades

Quora
- Aprendizado de máquina
- Estatísticas
- Mineração de dados
Reddit
- Aprendizado de máquina
- Visão Computacional
- Linguagem Natural
- Ciência de Dados
- Grandes dados
- Estatísticas
Dados Tau
Notícias de aprendizagem profunda
KDnuggets

Conferências

Sistemas de Processamento de Informação Neural (NIPS)
Conferência Internacional sobre Representações de Aprendizagem (ICLR)
Associação para o Avanço da Inteligência Artificial (AAAI)
Conferência IEEE sobre Inteligência Computacional e Jogos (CIG)
Conferência Internacional IEEE sobre Aprendizado de Máquina e Aplicações (ICMLA)
Conferência Internacional sobre Aprendizado de Máquina (ICML)
Conferências Conjuntas Internacionais sobre Inteligência Artificial (IJCAI)
Associação de Lingüística Computacional (ACL)