Способность учиться — это дар; способность учиться – навык; готовность учиться — это выбор — Брайан Герберт

Интересно, актуальна ли эта цитата в эпоху машинного обучения?

Все мы видели эти апокалиптические фильмы, где над землей доминируют все мощные машины. Является ли это возможным? Не знаю, но меня очень волнует возможность сделать бытовую технику умнее. Каждый инженер-программист мечтает сделать что-то большое. Кто-то мечтает заработать безумную сумму денег, а кто-то мечтает о ранней, но комфортной пенсии. Я мечтаю сделать что-то, чем будут пользоваться миллионы (если не миллиарды) людей. Проведя почти десятилетие в крупных корпорациях, я почувствовал, что моя жизнь течет на автопилоте. Я не выбирал, что я изучаю, я не выбирал, над чем я работаю, и я не выбирал, что я буду изучать дальше. Все диктовалось тем, что будет наиболее полезным в ближайшем будущем. Я нашел это разочаровывающим.

Я решил взять под контроль свои цели обучения. Я решил, что хочу углубиться в одну область разработки программного обеспечения. Я выбрал три варианта: а) крупномасштабное веб-приложение б) компьютерная безопасность в) машинное обучение. Я проанализировал затраты и выгоды и выбрал машинное обучение. Я признаюсь, что большая часть моего анализа затрат и выгод была фальшивой, и я уже решил, что машинное обучение должно быть машинным. Я только собирал доказательства, чтобы машинное обучение выглядело лучше, чем два других варианта :). Я видел предвзятость подтверждения в действии.

Я начал думать о плане обучения в августе 2016 года. Я пытался многому научиться самостоятельно и по своему опыту знаю, что обучение и развитие навыков не идут по предсказуемому пути. Все, что вы можете сделать, это быть дисциплинированным и каждый день изучать свою предметную область. Я также знаю, что вы можете потерять много времени, если попытаетесь курировать ресурсы из Интернета. Сеть полна информации. Это преимущество и недостаток одновременно. Интернет — самая полезная платформа для опытного практикующего, но она может быть запутанной и непосильной для новичка.

Первым шагом в моем путешествии было найти уже подготовленный ресурс для изучения машинного обучения. Я хотел развить практические навыки и не хотел изучать только теорию. Я хотел выбрать метод обучения, который фокусируется на обучении, выполняя небольшие проекты. Я выбрал Udacity, потому что он выглядел достаточно хорошо для меня. Я записался на программу наностепеней по машинному обучению в августе 2016 года.
Последние три недели я трачу на программу по часу каждый день. Я ставлю цель обучения на неделю в письменном виде и следую за ней на следующей неделе. Во вводном модуле я узнал о различных методах машинного обучения, таких как обучение с учителем, обучение без учителя и обучение с подкреплением. Следующий модуль был о статистическом анализе. Я уже был знаком со средним значением, модой, медианой, дисперсией и стандартным отклонением. Этот модуль не был для меня очень сложным. В этом модуле также представлены фреймворки numpy и pandas для статистического анализа в python. Я боролся в этой части. Python не является моим основным языком, и термины были мне незнакомы. Мне потребовались суровые дни, чтобы закончить 1,5 часа учебного материала. Следующим модулем было моделирование данных. В основном это был практический раздел по выборке набора данных. Это был забавный модуль, наполненный викторинами. В этом модуле также представлена ​​инфраструктура scikit, которая представляет собой инфраструктуру машинного обучения, реализованную на python. Следующим разделом была оценка и проверка данных с использованием scikit. Пока что курс машинного обучения очень похож на курс науки о данных. У них много общего, и я хочу получить нано-диплом по науке о данных после окончания машинного обучения.

Я приближаюсь к запуску первого мини-проекта. Мне любопытно посмотреть, куда меня приведет это путешествие. Я буду держать вас всех в курсе моего прогресса, причинно-следственных и случайных результатов.