В этом году у меня была цель получить опыт в области кибербезопасности, машинного обучения и проектирования надежности сайтов. Моя работа в eShares давала мне повседневные возможности делать первое и последнее, поэтому в свободное время я решил погрузиться в машинное обучение и ИИ.
Мой опыт в основном связан с программным обеспечением и операциями с цифровой инфраструктурой, но я также люблю (и изучаю самостоятельно) писательство, литературу, поэзию, философию и международную политику. Мне нравится пересекать дисциплины и повторять то, что я узнаю, и повторно использовать это в новых местах обучения, поэтому я подумал, что приложу все свои интересы и посмотрю, могут ли они быть полезны для этой задачи.
Эта область настолько обширна и настолько чужда мне, что я начал, как и большинство миллениалов… Я записался на подкаст. Я нашел Эта неделя в машинном обучении и искусственном интеллекте, которая оказалась полезной для меня, чтобы понять отрасль и тенденции, но не была полезной для меня, чтобы изучить основы.
Следующим шагом в моей поездке на поезде был Sentdex, где я смог погрузиться во всевозможные концепции на всех уровнях.
Пока я возился, я нашел эту запись в блоге о реализации нейронной сети с нуля, которая почти имела для меня смысл, и я остановился и подумал о том, как я собираюсь изучать ML и AI, и я хотел попробовать изучить ML и AI как машины узнают о своих задачах. Грубая сила.
Я не знаю всей математики, лежащей в основе различных алгоритмов машинного обучения, которые принимают функции и метки и выдают модели, но я понимаю, что, добавляя много данных в правильном формате в эти статистические модели, они будут формироваться сами по себе до тех пор, пока данные не станут понятными. их.
Я попробую это. Нейронные сети смоделированы по образцу нашего мозга, поэтому, возможно, обучение таким же образом может быть самым быстрым способом получить широкое и глубокое понимание концепции.
Я могу получить широкое представление только из подкастов и некоторых статей и сообщений в блогах, исходящих от лучших в бизнесе. И я могу получить глубокое понимание, выбрав что-то полезное в работе и изучив все об этом. Затем внедрить что-то с ним, поддерживать и эксплуатировать в бизнес-контексте.
Я думаю, что и то, и другое может быть полезным, но я очарован тем, как быть универсалом, а также хорошим и/или великим в чем-то. У меня нет дедлайнов, я не учусь в школе, а еще мне нравится метаобучение, и я не против неудач. Итак, я собираюсь предложить план, опробовать его и отчитаться о его эффективности.
Мой план состоит из нескольких шагов.
- Начните с мелкого и широкого уровня и получите небольшое представление обо всем, что есть на поле.
- Засыпать себя как можно большим количеством тематических исследований всех типов машинного обучения и искусственного интеллекта, пока я не пойму, как подходить к большинству проблем машинного обучения и искусственного интеллекта.
- Найдите, может быть, пять основных типов проблем машинного обучения и искусственного интеллекта, чтобы решить их, и решите каждую из них по очереди, используя фреймворк с минимальной работой с моей стороны. Затем каким-то образом операционализировать модели, чтобы я мог использовать их в будущем.
- Делайте эти же задачи, но делает их больше вручную. Используйте меньше помощников фреймворков, пока я действительно не пойму, что они делают и как эти фреймворки решают болевые точки.
- Наблюдайте, пока на работе не возникнет проблема, которая созрела для решения ML, и внедрите решение оптом. Сделайте весь комплект и kaboodle и изучите бизнес-контекст, проблемы масштабирования, изучите лучшие способы итерации моделей.
- Если возможно, выполните шаг 5 несколько раз, пока я не почувствую себя очень комфортно с ML в практических условиях.
- К этому моменту я думаю, что у меня будет достаточно понимания, чтобы достичь мили в ширину и полумили в глубину. А потом посмотрим, захочу ли я погрузиться еще глубже и стать настоящим экспертом в какой-либо области.
У меня есть ощущение, что мой план будет эффективным, потому что он будет использовать междисциплинарное обучение, чтобы повторно использовать знания об одной части поля для интуитивного понимания вещей о другой. Делая это снова и снова, копая все глубже и глубже, пока не достигну мили в ширину и полумили в глубину.
Я буду публиковать по пути, чтобы поделиться ресурсами, которые были наиболее важны для моего прогресса в обучении, и, возможно, я узнаю, что является наиболее важной особенностью этих ресурсов, чтобы помочь мне предсказать, будет ли новый ресурс полезен в продвигая это обучение.
Я надеюсь, что это станет планом для тех, кто после меня начнет заниматься машинным обучением и искусственным интеллектом.
