Машинное обучение, глубокое обучение, искусственный интеллект… Эти слова все больше и больше входят в нашу повседневную жизнь. Мы не до конца понимаем их или вообще не имеем ни малейшего представления о том, что они означают, но мы знаем, что это что-то глубоко преображающее мир — или, по крайней мере, мир технологий. Ну, вот где я был несколько недель назад.
С чего начинается путешествие
Мне 34 года, я живу во Франции, имею степень инженера по математике и компьютерным наукам и работаю внештатным бизнес-консультантом в сфере финансовых услуг. После более чем десяти лет работы над большим количеством проектов для многих клиентов в сфере бизнеса банков я захотел изменить свою карьеру. Может быть, чтобы вернуться к тому, чему я учился в колледже, может быть, чтобы столкнуться с новым интеллектуальным вызовом. Я имел в виду некоторые темы, такие как блокчейн, машинное обучение (очевидно), искусственный интеллект… Побродив по подкастам, веб-сайтам, платформам MOOC, я остановился на машинном обучении.
Лучший способ погрузиться в такую конкретную/техническую тему – это, вероятно, вернуться… в колледж, проучиться несколько лет, получить красивую степень и продолжить профессиональную жизнь. Но это не вариант, когда вы работаете полный рабочий день и должны обеспечивать своих детей! И перед вами встает вечный родительский вопрос: как выкроить время?
Но в марте 2020 года пошел Мистер Ковид19. А вместе с ним во Франции, как и во многих странах мира, карантин. Время было! Я имею в виду, после целого дня домашнего обучения и развлечения детей. Несколько часов между блюдами и заслуженный отдых. Пришло время узнать больше о машинном обучении!
Где вы заблудились в джунглях ресурсов машинного обучения
Первое, что вы заметите, если окажетесь на моем месте, это то, что везде есть целая куча ресурсов. Если вы хотите получить некоторое представление о том, что такое машинное обучение, я бы посоветовал прочитать несколько не очень конкретных статей, которые легко найти с помощью поиска в Google. Вы можете проверить страницу ML в Википедии (есть ли ситуация, когда вы не начнете с Википедии?). Именно так вы хотите провести первые несколько минут своей новой профессиональной жизни. Если вы не умеете читать, вы тоже знаете, с чего начать (подсказка: начинается с You, заканчивается на Tube).
Но хотелось чего-то более формального. Если вы не можете позволить себе (из-за нехватки денег или времени) регулярную подготовку, вам все равно нужно что-то, что вы сможете использовать в реальном, профессиональном мире. И вот появились МООК. В прошлом я посещал несколько неодинаково интересных МООК и очень сомневался в их реальном влиянии на карьеру. Для машинного обучения, похоже, это не так. Я вижу две вероятные причины тому:
- На каждой платформе существует множество МООК очень высокого уровня.
- Машинное обучение — совсем новая тема, и за последнее десятилетие она получила широкое распространение. Таким образом, соотношение «существующие степени» и «потребности бизнеса в специалистах по данным» довольно низкое. Таким образом, МООК являются основным альтернативным способом получения знаний по этому вопросу.
Нам очень повезло, что так много талантливых людей преподают основы машинного обучения онлайн. Но это очень усложняет выбор, с чего начать. В Google вы найдете множество рейтингов лучших МООК по машинному обучению, например там, там или там.
Где я, наконец, остановился на своих первых МООК
Ваш первый выбор будет зависеть от ваших знаний по математике и информатике. Как инженер, который любит писать строки кода в свободное время (ну, иногда!) и который посещал много курсов по математике, статистике, алгебре, анализу, но никогда не думал об этом более 10 лет, я решил начните с французского МООК, знакомящего с основами математики машинного обучения и программирования на Python, на FUN:
- Fondamentaux pour le Big Data — Institut Mines Telecom (6 недель, что эквивалентно двум дням полной занятости)
Затем я продолжил с (наверное) самым известным МООК по машинному обучению на Coursera:
- Машинное обучение, Эндрю Нг — Стэнфорд Онлайн (11 недель, эквивалентно одной неделе полного рабочего дня — см. полезный совет ниже)
Об этих МООК я напишу подробнее в следующих постах, но вкратце: первый позволил мне освежить мои математические основы (производные, интегралы, операции с векторами и так далее), что, безусловно, облегчило мое понимание нговского, а второй обязательно нужно сделать.
Так что если вы хотите, как и я, сделать первый шаг в мир машинного обучения, вы знаете, с чего начать. Удачи и увидимся через 6+11 недель!
Полезный совет: если вы хотите следить за МООК Эндрю Нг в более интенсивное время, просто напишите в службу поддержки Coursera и спросите их. Они переведут вас на предыдущий сеанс, после чего вы сможете получить доступ ко всему контенту, не дожидаясь каждой недели.
