חמשת המשאבים המובילים למדעי נתונים ולמידת מכונות

נתונים הם השמן החדש. ולמידה מכונה היא האש. מי ששולט בשניים אלה ישלוט בעולם.


לא, האמור לעיל אינו ביטוי פומפוזי שנלקח מרומן דיסטופי.

זו המציאות.

הסדר העולמי החדש קשור לאיסוף כמויות אדירות של נתונים רלוונטיים ולעיבודם לתובנות מעשיות – דבר שהמין האנושי לא הצליח לעשות בהיסטוריה. זה סוג הטכנולוגיה שמאפשרת למדינה לעשות זאת להתקדם של האחרים, ובסופו של דבר, שולטים בעולם. כתוצאה מכך, המדינות המתקדמות בעולם נלקחות ברצינות רבה מאוד.

בחירה משתלמת בקריירה

לצד תככים בינלאומיים, מדעי נתונים ולמידת מכונות הם תחום חדש וחם עם הזדמנות מדהימה. הביקוש אינו מהתרשימים (בלשון המעטה), ואין מספיק מדעני נתונים בסביבה. אפילו לא בינוניים.

זה כאילו פתאום גילינו הרבה כוכבי לכת חדשים המיושבים ומגורים ואין מספיק אנשים שיעבירו אותם. יכולתי להמשיך ולהמשיך להישמע כמו תקליט שבור, אבל אני חושב שהאינפוגרפיק הזה עושה את העבודה הרבה יותר טוב:

מקור: insidebigdata.com

אז אנו רואים שמשכורות מתחילות ב 50,000 $ +, ועבור מנהלים יכולות לירות היטב מעבר ל 250,000 $.

ולא רק זה, עד 2020 האדם הממוצע בכוכב הלכת הזה יפיק 1.7 מגה בייט של נתונים בשנייה. זהו 3,500+ TB של נתונים לאורך כל החיים – יותר נתונים מכפי שאנחנו יודעים לטפל נכון לעכשיו, קל וחומר להשתמש בהם לניתוח. לומר שהעתיד מזהיר היה עושה שירות שונה למרעה החדש והמרהיב הזה.

האם קשה למדע נתונים ולמידה מכונה?

שאלה טובה!

מהניסיון שלי, התשובה היא גם “כן” וגם “לא”.

בינה מלאכותית (ובשלב זה, למידת מכונות), הדבר הקשה ביותר לעשות אם אתה נוטה להיכנס למחקר ולדחוף את המעטפה. עבור עבודה כזו, אפילו דוקטורט. כל אחד במדעי המחשב ומתמטיקה אינו מספיק. אבל אז, לאדם הממוצע אין את השאיפה לא הזמן למרדף כזה.

בצד השני זה מה שקראתי מדעי נתונים יישומיים ולמידת מכונות.

כלומר, אתה לוקח כלים, טכניקות ואלגוריתמים קיימים, ומיישם אותם כדי לפתור איזו בעיה בעולם האמיתי. חלק זה דורש מסירות, תפיסה וחשיבה יצירתית (וידע על כמה מושגי מתמטיקה פשוטים, הנלמדים במהירות), אך ביחס לידע “טכני” אמיתי, הוא הרבה יותר קל ממה שתפקידו של מהנדס תוכנה מכנה.

במילים אחרות, זו לא פקידה אלא עוברת על ידי יחס תגמול למאמץ, היא אחת ההשקעות הטובות ביותר שקיימות שם.

כעת, לאחר שהקשתה את החלטתך להיות מדען נתונים ומהנדס למידת מכונות, נתחיל לבחון את האפשרויות הטובות ביותר שם.

קורס התרסקות למידה במכונה (Google)

לא הרבה אנשים מודעים לכך, אך ל- Google יש מגוון נרחב, מעשי מאוד קורס חינם בנושא למידת מכונות. לדברי החברה, זה חלק מהמחויבות שלהם לקידום טכנולוגיות AI / ML ולשמור על הידע בשטח פתוח.

הדבר הטוב ביותר בקורס זה הוא שאין תנאים מוקדמים, אבל התאמן לבזבז זמן נוסף בחקר מושגי הסטטיסטיקה בעצמך.

כלומר, זה לא נחוץ, אבל אם יש לך אפס רקע בסטטיסטיקה מתקדמת, ההסברים בקורס זה אולי לא מספיקים. תפיסה נוספת היא שקורס זה מציג למידת מכונה דרך טנסור פלו, שזה יישום ML שפותח על ידי גוגל. אז במובן מסוים, גוגל שואפת לקדם את ה- API למידה במכונה, אך בהתחשב בערך שמציע קורס זה, אני לא רואה איך זה אמור להיות אבן נגף.

אם בכלל, TensorFlow היא אחת הדרכים הקלות להיכנס ל- ML ונהנית מפופולריות כלבת (להשוואה בין מסגרות AI, ראו זאת).

CS109 מדעי נתונים (אוניברסיטת הרווארד)

השם הרווארד מעורר יראה, וכך גם הקורס הזה.

ראשית הדברים הראשונים: זה לא קורס בואו להתלכלך-מהיר בו אתה קופץ על קצה הלימוד של מכונה על ידי כתיבת קטע כאן או סקריפט כאן. קורס זה הוא טבילת אש קשה הדורשת עבודה קשה והשקעה משמעותית של זמן.

הקורס מגיע עם סרטונים בחינם, קוד (המתארח ב- GitHub) ופתרונות לתרגילי מעבדה, כך שבאופן מעשי, אתה לא מאופק על ידי שום דבר אם אתה רוצה לקחת את זה.

קהל אידיאלי?

אתה … אני לא צוחק.

אני אומר שאנשי מקצוע עובדים עם חינוך הגון במתמטיקה, למרות שהם אולי כבר לא היו במתמטיקה (הרגלי ההסכמה וההוכחה הם הדבר ההכרחי ביותר). אבל שוב, אנא הזהירו אתכם: אתם עשויים לחשוב שאתם טובים, אבל הקורס הזה ירגיש כמו לקצץ ציפורניים לארוחת הבוקר – בעיות התרגול מספיק מאתגרות כדי לגרום לכם לבכות, אבל אז, זה יכול להיות בדיוק הדבר שאתם מחדש מחפש!

למידת מכונה (אנדרו נג)

היכנסו לבר מלא במדעני נתונים ושאלו מי זה אנדרו נג, ותקבלו מכות מחייכם.

במעגלי מדעי הנתונים ולמידת המכונות, אנדרו נג השיג מעמד אלוהי, בזכות הקורס יוצא הדופן שלו בקורסרה – למידת מכונה.

ואם אתה בספק את תעודותיו של אנדרו נג, אני אתן לזה לדבר בעד עצמו:

זהו מסלול בתשלום בכך שהוא חלק מתוכנית התמחור של Coursera, אך המחויבות והנחישות הכספיים אינם התנאים המוקדמים היחידים. זהו מסלול ארוך שכן אנדרו צולל עמוק במתמטיקה שמאחורי כל הדברים ב- ML ומנתח אלגוריתמים פופולריים. אבל למרבה המזל, זה מסלול שלם, ותודרכו צעד אחר צעד למעמקים האפלים ביותר ותחזרו חזרה.

מומלץ ביותר, בעיקר מכיוון שמתהדר בתעודת ההשלמה של קורס זה הפך להיות דבר היום!

מדע נתונים יישומי עם פייתון

ההתמחות בקורסרה מורכבת מסדרת קורסים שמטרתם להביא אותך מאפס למיומנות במושג מסוים. אם אתה מחפש קורס שלם, רציני ועם זאת ידידותי בנושא מדעי נתונים ולמידת מכונות עם פייתון, אני לא יכול להמליץ ​​על זה התמחות מספיק.

בסוף הקורס אתה מרוויח תעודה.

למידה עמוקה מעשית לקודדים

קורס זה זו ברכה והיא ההמלצה הכי אהובה עלי ברשימה זו אם אתה מקודד.

הייתי אומר זאת שוב: אם אתה מקודד.

הסיבה לכך היא שהקורס הזה לא מבזבז זמן בללמד אותך את יסודות התכנות. תיאור הקורס אומר זאת במונחים מאוד ברורים (ההדגשה מקורית):

אנו מניחים שלכל מי שלוקח קורס זה לפחות שנה של ניסיון בקידוד. הקורס משתמש בפיתון כשפת ההוראה, כך שאם אינך יודע פיתון אז אנו מניחים שתבזבז את הזמן ללמוד – עבור קודאי מנוסה, עליך לגלות שפיתון הוא שפה די קלה ללמוד.

אז אם אתה כבר מכיר את פייתון (אם לא למד כאן), או שיכולים להרגיש בנוח במהירות, זהו המסלול המושלם עבור הפרגמטיסטים שרוצים לבנות מערכות אמיתיות ושימושיות מבלי לדאוג יותר מדי לבסיס התיאורטי של האלגוריתמים.

אני יכול אפילו לומר שזה מיועד לטינקים חסרי הסבלנות (כמוני!) ששונאים טקס ומונוטוניות.

אה, האם ציינתי שזה בחינם במאה אחוז ויש לו קהילה נהדרת?!

סיכום

פיו!

זו הייתה רשימה אחת שקשה להכין. לא בגלל שלא היו מספיק מקורות טובים, אלא בגלל שהיו הרבה יותר מדי!

למידת מכונה היא תחום שהתפוצץ ממש ופותר בעיות קשות באמת באלגנטיות, ויש כאלה מאות קורסים ברשת, בחינם ומשלמים, רובם טובים באמת. אבל זה יכול להיות גם מקור לבלבול, וזו הסיבה שניסיתי להרתיח אותו עד חמש עבור סוגים שונים של לומדים בהתאם לרמת הניסיון שלהם..

מקווה שזה עזר!

Jeffrey Wilson Administrator
Sorry! The Author has not filled his profile.
follow me
    Like this post? Please share to your friends:
    Adblock
    detector
    map