Mashinani o'rganish (ML) texnologiyaning eng tez (eng tez bo'lmasa) rivojlanayotgan sohalaridan biridir. Borgan sari ko'proq odamlar MLni o'rganishni xohlashadi va u erda ko'plab manbalar mavjud, agar siz ushbu sohada yangi bo'lsangiz, sizni chalkashtirib yuborishi mumkin.
Men asosan MLni o'zim o'rganaman va eng yaxshi o'quv resurslarini topish uchun ko'p tadqiqotlar qildim. Agar 2023-yilda uni noldan yana oʻrganish imkonim boʻlsa, MLni qanday oʻrgangan boʻlardim?
Odamlar boshqacha o'rganadilar. Shuning uchun, bu maqola hamma amal qilishi kerak bo'lgan MLni o'rganish bo'yicha qo'llanma emas, balki men yana bu sohaga kirishimni xohlagan yo'ldir. Ehtimol, mening tajribamni bilish siz uchun yaxshidir, shunda mening tavsiyam sizga mos keladimi yoki yo'qligini bilib olasiz.
Mening fonim
Men ML mutaxassisi emasman. Men Singapur Milliy universitetida kompyuter muhandisligi bo‘yicha bakalavriat talabasiman.
Ilgari men Singapurdagi startapda ML muhandisi stajyori bo‘lib ishlaganman va Parijdagi boshqa startapda Data Science Internni qo‘lga kiritganman (viza hozir kutilayotgani uchun muntazam yozishga vaqtim bor 😬).
Men birinchi kursimning qishki ta’tilida AI bo‘yicha eng mashhur kashshoflardan biri Endryu Ng tomonidan Coursera Deep Learning ixtisosligi bo‘yicha tahsil olib, ML bilan tanishdim. MOOCni qabul qilishdan oldin men C va Python tillarida hisoblash, chiziqli algebra, statistika va dasturlash bo'yicha yaxshi ma'lumotga egaman.
Shunday qilib, agar siz MLni birinchi marta o'rganganimda men bilan bir xil ma'lumotga ega bo'lsangiz, ushbu maqola sizga eng mos keladi. Boshqacha qilib aytganda, siz:
- Hech qanday jiddiy sababni ko'rmagansiz yoki ML bo'yicha chuqurlashtirilgan kitoblarni o'qimagan
- Python-da kodlashni biling: juda oddiy narsalardan tashqari, siz ba'zi ob'ektga yo'naltirilgan dasturlash tushunchalarini bilishingiz kerak (sinflarni qanday loyihalash, Pythonda merosni qanday amalga oshirish kerak)
- Pythonning asosiy ilmiy kutubxonalari: numpy, pandas va matplotlib bilan biroz tanish.
- Asosiy matematik bilimga ega bo'ling, ayniqsa chiziqli algebra (agar bilmasangiz yaxshi bo'ladi, lekin vektor va matritsa operatsiyalarini tushunish ML algoritmlarining asosiy mexanizmlarini tushunishga yordam beradi). Agar siz chiziqli algebrani o'rganmoqchi bo'lsangiz, professor Gilbert Strang tomonidan o'qitiladigan MIT 18.06 ni ko'ring, ehtimol bu eng yaxshi chiziqli algebra kursidir.
Quyidagi kitoblar va kurslar ketma-ket ro'yxatga kiritilmagan. Siz ularni o'zingiz xohlagan tartibda o'rganishingiz yoki bir vaqtning o'zida bir nechtasini olishingiz mumkin. Ba'zilarini o'tkazib yuborish juda yaxshi, chunki ularning barchasini o'rganish uchun sizga ko'p vaqt kerak bo'ladi.
CS50-ning Python bilan sun'iy intellektga kirishi
CS50 boshqa tanishtirishga muhtoj emas. Bu Garvard universiteti professori Devid J Malan tomonidan o'qitiladigan kompyuter fanlari bo'yicha kampus va onlayn kirish kursi. Asl kursdan tashqari, CS50 boshqa o'quv treklarini ham taklif qiladi. Ulardan biri Sun'iy intellekt yoki CS50 AI.
Kutib turing... nima? AI o'rniga MLni o'rganishimiz kerakmi?
Sen haqsan. Ushbu kurs maxsus mashinani o'rganish haqida emas, lekin sun'iy intellektning turli mavzularini keng ko'rib chiqish sizga uzoq muddatda yordam beradi.
CS50 AI zamonaviy sun'iy intellekt asosidagi turli tushunchalar va algoritmlarni qamrab oladi. Ushbu kursning eng yaxshi tomoni shundaki, siz qo'lingizni iflos qilish imkoniyatiga ega bo'lasiz. Siz haftasiga 1-2 ta loyihani va jami 7 haftani bajarishingiz kerak bo'lib, unda siz ma'ruzada o'qitiladigan ma'lum algoritmlarni/kontseptsiyalarni o'yin o'ynash dvigatellari, krossvordlar echuvchi yoki tasvirni tasniflash modelini yaratish uchun amalga oshirasiz.
Barcha loyihalarni hal qilish uchun menga biroz vaqt kerak bo'ldi, lekin bunga arziydi.
Va kurs mutlaqo bepul. Edx sertifikatini olish uchun siz to'lashingiz kerak, ammo barcha kontent CS50 veb-saytida mavjud.
Endryu Ngning mashinani o'rganish bo'yicha mutaxassisligi (Coursera)
“Mashinani oʻrganish boʻyicha mutaxassislik” bu Coursera Machine Learning kursining kengaytirilgan versiyasi boʻlib, u dastlab Stenfordda Endryu Ng tomonidan oʻqitiladigan eng mashhur onlayn ML darslaridan biri boʻlgan va 3 ta kursdan iborat:
- Nazorat ostidagi mashinalarni o'rganish: regressiya va tasnif
- Ilg'or o'rganish algoritmlari
- Nazoratsiz ta’lim, Tavsiyachilar, mustahkamlovchi ta’lim
Ushbu ixtisoslik davomida siz ML asoslarini va haqiqiy AI ilovalarini qanday yaratishni o'rganasiz. Bu yerda sanab o'tilgan boshqa manbalar bilan solishtirganda, bu ixtisoslik biroz nazariy jihatdan og'ir, lekin u sizga nafaqat algoritmlar qanday ishlashini, balki ular nima uchun shunday amalga oshirilayotganini ham bilishga yordam beradi.
Bu ixtisoslikda menga yoqadigan narsa - ixtiyoriy laboratoriyalar. Garchi ular ixtiyoriy bo'lsa-da va agar siz ularni ko'rib chiqsangiz ham, qilinadigan ishlar juda ko'p emas. Ammo bu laboratoriyalar uchun manba kodini ko'rib chiqish uchun biroz vaqt ajrating. Ular men uchun juda foydali.
U Coursera-da joylashganligi sababli, kontentning ko'p qismiga audit rejimi orqali kirishingiz mumkin. Agar siz to'liq kirish huquqiga ega bo'lishni va sertifikat olish uchun kurslarni yakunlashni istasangiz, lekin uni to'lashga pulingiz bo'lmasa, moliyaviy yordam ham mavjud.
fast.ai tomonidan koderlar uchun amaliy chuqur o'rganish
Kaggle kompaniyasining sobiq prezidenti va fast.ai asoschisi Jeremi Xovard tomonidan ko'rsatma berilgan Kodekslar uchun amaliy chuqur o'rganish chuqur o'rganish va mashinani o'rganishni amaliy muammolarga qanday qo'llash bo'yicha amaliy kirishdir.
Kurs Fastai & Pytorch bilan kodlovchilar uchun chuqur o'rganish kitobiga asoslangan bo'lib, u Jupyter notebooks shaklida bepul onlayn mavjud.
Nazariyaga chuqur kirmasdan, Kodekslar uchun Deep Learning sizni eng zamonaviy modellar bilan tanishtiradi va eng yangi chuqur o‘rganish usullari bilan modellarni o‘rgatadi.
Yaxshi mavhumlik darajasi bilan siz nafaqat o'qitishni, balki modellaringizni qanday joylashtirish va veb-ilovalarga aylantirishni, modellaringizning aniqligi, tezligi va ishonchliligini qanday oshirishni va ishlashda qanday axloqiy oqibatlarga olib kelishini o'rganasiz. bu sohada.
Google tadqiqot direktori Piter Norvigning ta'kidlashicha, "kitobda birinchi navbatda misollar ko'rsatilgan va faqat aniq misollar kontekstida nazariyani qamrab oladi. Ko'pchilik uchun bu o'rganishning eng yaxshi usuli" va bu "dasturchining chuqur o'rganish bo'yicha malakali bo'lishi uchun eng yaxshi manbalardan biri".
Scikit-Learn, Keras va TensorFlow bilan mashinani qoʻlda oʻrganish — Aurelien Géron
Agar sizda bir nechta kitob o'qishga yoki bir nechta onlayn kurslarga yozilishga vaqtingiz bo'lmasa, bu sizga tavsiyam: ushbu kitobdagi misollarni o'qing va ularga amal qiling. Men uchun bu MLga eng yaxshi amaliy kirish.
Ilgari YouTube’ning video tasniflash guruhini boshqargan Aurelien Géron tomonidan yozilgan Hands-on Machine Learning oddiy chiziqli regressiyadan tortib murakkab generativ raqib tarmoqlari yoki transformatorlargacha bo‘lgan keng ko‘lamli texnikalarni tavsiflaydi.
Kitob sohani yuqori saviyada tushuntirish bilan boshlanadi. Keyin, u oxirigacha bo'lgan loyihadan o'tish orqali duch keladigan ko'pgina muammolarni hal qilishning tizimli usulini taqdim etadi. Kitobning qolgan qismida turli xil muammolarni hal qilish uchun turli xil o'rganish usullari va modellari haqida batafsilroq ma'lumot berilgan. Shuningdek, u sizga eng yangi texnologiyalardan foydalangan holda miqyosda modellarni o'rgatish va joylashtirishni o'rgatadi.
Kitobning 3-nashri 2022 yilda oldingi nashrlarga nisbatan koʻplab yangilanishlar bilan chiqdi. Shunday qilib, agar siz ML bilan yangi bo'lsangiz, darhol ushbu kitobning nusxasini oling.
Yuqorida aytib o'tilgan manbalar ushbu sohaga kirish uchun bilishingiz kerak bo'lgan deyarli hamma narsani qamrab olgan bo'lsa-da, mavzularning aksariyati faqat sirtda yaratilgan.
Agar siz kompyuterni ko'rish, tabiiy tilni qayta ishlash yoki MLOps kabi muayyan mavzuga chuqurroq kirmoqchi bo'lsangiz, ushbu sohalar uchun boshqa manbalarni topishingiz kerak bo'ladi.
Va ML bo'yicha yangi kashfiyotlar har oy yoki hali ham tadqiqot laboratoriyalarida nashr etilayotganligi sababli, maqolalarni o'qish yoki manba kodlarini qazish orqali o'zingizni yangilab turish juda muhimdir. “paperswithcode.com” ga e’tibor bering, trend va zamonaviy ML tadqiqotlari va uni amalga oshirish uchun kod.
Men ko'proq yozaman.
