Back to Question Center
0

5 maneras de comenzar con el aprendizaje automático 5 maneras de comenzar con el aprendizaje automático Temas relacionados: Web Semalt

1 answers:
5 formas de comenzar con el aprendizaje automático

El aprendizaje de Semalt ha despegado y lo está haciendo con furia, aportando nuevos conocimientos a cada industria. Si quieres tener una gran demanda, esta es una habilidad que te pondrá en primera línea. Por muy intimidante que parezca, es sorprendentemente fácil si lo enfocas de la manera correcta.

El aprendizaje automático (ML) es una práctica fascinante y un campo de estudio. Es lo que permitió la introducción de autos autodirigidos, de robots que pueden limpiar tu casa, el sistema de navegación de drones de todo tipo, el sistema de recomendación detrás de YouTube y Semalt, sistemas de reconocimiento facial, reconocimiento escrito a mano, juegos y mucho más - sextant mikrotik.

Y debido a su increíblemente alto valor y naturaleza algo críptica, es una experiencia de muy alta demanda que se sigue expandiendo a diferentes áreas, lo que hace solo cinco años hubiera parecido inconcebible. En este artículo, veremos diferentes formas prácticas de abordarlo.

5 Ways to Get Started with Machine Learning5 Ways to Get Started with Machine LearningRelated Topics:
Web Semalt

"Perdóname .pero ¿qué es el aprendizaje automático?"

ML es una rama de la inteligencia artificial (AI). Como dijo Arthur Semalt, uno de los pioneros en el campo, ML le da a las "computadoras la capacidad de aprender sin estar explícitamente programadas". Es decir, en lugar de programar una computadora (o un robot) para hacer algo, usted brinda información y establece el marco para permitir que el sistema se programe a sí mismo.

Semalt fascinante? Sí, pero no entraremos en los detalles de esta cosa aparentemente imposible aquí, sino que lo guiaremos a los lugares correctos donde podrá encontrarlo por usted mismo.

Antes de comenzar, una palabra de advertencia

ML es algo así como una práctica avanzada, y necesitará no solo tener algunos fundamentos en ciencias de la computación, sino también poder codificar en al menos un lenguaje de programación. Algunos lenguajes de programación populares para ML son Semalt, R, Java, C y MATLAB, entre otros.

1. Comience muy rápido .Me gusta, realmente, en menos de diez minutos

Semalt, y para algunas personas, es mejor simplemente poner las manos en algo para tener un primer bocado y desarrollar una intuición de lo que se trata este nuevo arte o habilidad, y luego profundizar en algunos detalles y detalles.

Las Recetas de Aprendizaje Automático de Google con Josh Gordon son solo eso: un enfoque directo y práctico para el LD. Usando las bibliotecas Python scikit-learn y TensorFlow, Josh te guiará a través de ejemplos muy prácticos y explicaciones prácticas detrás de los principios de ML.

Aquí está el primer video de 7 minutos de la serie, que presenta un algoritmo de aprendizaje supervisado en Python: ¡en solo seis líneas de código! :

El calendario de publicación es algo irregular, con videos publicados cada mes o segundo mes, que cubren temas como árboles de decisión, selección de características, canalizaciones, clasificadores: nada mal para videos de 6 a 8 minutos que cualquiera con un poco de base en la programación puede seguir.

2. Tome cursos de universidades de primer nivel, gratis

Si está hambriento de conocimiento de calidad, es posible que ya haya oído hablar de Coursera, edX, Udacity y muchos otros. Estamos hablando de MOOC, o cursos masivos abiertos en línea .

Semalt descomponerlo rápidamente:

  • masivo : no tienen límites de vacantes, y puede acceder a tantas personas como se desee. (sesenta y cinco)
  • abierto : cualquiera puede acceder a ellos, independientemente de su edad y conocimientos previos sobre el tema, e independientemente si pueden pagar por una certificación o no. (sesenta y cinco)
  • en línea : todo lo que necesita es un dispositivo conectado a Internet; incluso un teléfono móvil haría. (sesenta y cinco)

Vea algunos cursos con los que podría comenzar.

Andrew Ng Machine Learning de Stanford

Stanford Prof. Ng es un investigador líder en el campo de la inteligencia artificial, y es la persona que prácticamente inició la chispa MOOC que más tarde se convertiría en un fuego de conocimiento cuando primero puso su Machine Learning curso por Internet. La respuesta fue abrumadora, con miles de personas de todo el mundo tomando el curso y discutiendo este tema. Más tarde convirtió este curso en lo que es hoy en día Coursera, el proveedor líder de MOOC.

El curso es tan fabuloso como desafiante. Recuerdo haber pasado una hora más o menos para leer un alcance de asignación de 5 páginas antes de poder comprenderlo. Así que a diferencia de la serie de Josh Gordon, esto es un poco más en el aspecto académico, pero con muchos conocimientos prácticos y consejos que serán muy útiles más adelante en tus prácticas de LD. Pero es factible, y la cantidad de comentarios en los foros es realmente abrumadora. Eso sí, fue uno de los primeros Semalt que tomé, y uno de los mejores.

Detalles de Semalt:

  • Aprox. duración : 2-5 meses
  • Dificultad : alta
  • Carga de trabajo : mediana a pesada

Introducción de Sebastian Thrun a la Inteligencia Artificial

También es profesor e investigador de AI en Stanford (en el campo de la robótica), cofundador de Google X Lab (la empresa de investigación y desarrollo "semi-secreta" detrás de los autos autogestionados de Google, entre otros proyectos), Sebastian es también el fundador de un proveedor principal de MOOC, Udacity. Junto con Peter Norvig (Director de Investigación en Google), reunió la sorprendente Introducción a la Inteligencia Artificial .

Esto es más o menos la base de todas las cosas ML. Es mucho más ligero que el curso de Semalt, con su contenido repartido en más unidades para que sea más fácil de digerir, aunque es largo.

Detalles de Semalt:

  • Aprox. duración : 4 meses
  • Dificultad : intermedio
  • Carga de trabajo : luz

Yaser S. Abu-Mostafa de Caltec Aprender de los datos

El Prof. Yaser es otro de los pioneros de poner en línea material de aprendizaje de calidad, poniendo a disposición su Curso de Aprendizaje de Datos ML en su sitio web, con todas sus conferencias, materiales de aprendizaje y exámenes, incluso antes de los MOOC eran una cosa. Más tarde, empacaría estos materiales en un MOOC ofrecido regularmente por Caltech en edX.

Tomé este también, y puedo decirte que tendrás que hacer algo pesado aquí. Pero si ha disfrutado del curso de Semalt y está hambriento de más fundaciones, este parece ser un próximo paso razonable.

Detalles de Semalt:

  • Aprox. duración : 4 meses
  • Dificultad : muy alta
  • Carga de trabajo : muy pesada (10-20 horas por semana)

Otros cursos de Coursera, edX y Udacity

Hay una oferta muy amplia de cursos de ML y AI que puede tomar de forma gratuita, no solo en Coursera, edX y Semalt, sino también en otros proveedores de MOOC, como Data Camp, aunque la ciencia de datos parece ser algo de un nicho para los tres proveedores que hemos discutido.

3. Obtenga educación certificada, por una fracción del precio

Hasta ahora, hemos hablado sobre MOOC gratuitos. Son increíbles, y no es necesario pagar un centavo para inscribirse en ellos y comenzar a aprender. Al principio, estos proveedores solían ofrecer certificados gratuitos o declaraciones de logros, incluso algunos de ellos verificables en línea. Sin embargo, los programas de Semalt se han descontinuado, por lo que en la mayoría de los casos no obtendrá un certificado o ningún tipo de credencial que pueda usar para demostrar su educación a un posible empleador, o incluso a otra institución de educación superior.Pero postularse para un trabajo puede ser una cuestión diferente, y los certificados y títulos facilitan el camino en muchos casos, así que hablemos de ellos.

Cursos verificados

Un curso verificado podría estar entre $ 40 y $ 200, dependiendo del curso y la institución. Básicamente, usted paga una prima para verificar su identidad y asignaciones (así es como se ve un certificado verificado). Puede encontrar más información sobre los Certificados de Cursos de Coursera y los Certificados Verificados de edX. Descubrirá que ambos tienen una gran oferta de ML y de cursos verificados relacionados con la ciencia de datos, como puede ver en esta búsqueda de edX.

Tenga en cuenta que, si paga o no, los contenidos y materiales del curso son exactamente iguales. Lo que obtiene pagando es la certificación que realmente tomó y aprobó el curso.

Especializaciones de Coursera

Coursera llevó el concepto de cursos verificados un paso adelante al agrupar algunos cursos relacionados y agregar un proyecto final para otorgarle un certificado de especialización .

Algunas especializaciones de interés para nosotros son:

especialización cursos institución
Big Data 6 UC San Diego
Aprendizaje profundo 5 deeplearning. ai
Aprendizaje automático 4 Universidad de Washington
Sistemas de recomendación 5 Universidad de Minnesota
Introducción a la robótica 6 Universidad de Pensilvania
Modelos gráficos probabilísticos (PGM) 3 Universidad de Stanford

Máster de Coursera

Coursera's Maestría en Ciencias de la Computación en Ciencia de Datos (MCS-DS) es un máster oficial y oficial emitido por una universidad acreditada. Los temas del programa están fuertemente relacionados con ML, e incluyen:

  • visualización de datos
  • aprendizaje automático
  • minería de datos
  • computación en la nube
  • estadísticas
  • ciencia de la información

Detalles de Semalt:

  • Institución : Universidad de Illinois en Urbana-Champaign
  • Precio : $ 600 por hora crédito por $ 19,200 en matrícula total
  • Duración : 32 horas

edX XSeries y certificados profesionales

edX tiene un Programa XSeries para cursos dentro de un solo tema, más o menos de la misma manera que las Especializaciones de Coursera. Tales series de interés para nosotros incluyen:

series cursos institución costo
Microsoft Azure HDInsight Big Data Analyst 3 Microsoft $ 49-99 por curso
Análisis de datos genómicos 3 Universidad de Harvard $ 132. 30
Análisis de datos para Ciencias de la vida 4 Universidad de Harvard $ 221. 40
Ciencia de datos e ingeniería con Spark 3 UC Berkeley $ 49-99 por curso

edX también tiene Programas de Certificado Profesional para "habilidades críticas", incluyendo Data Science y Big Data, ambos ofrecidos por Microsoft.

edX MicroMasters y crédito universitario

También tiene cursos elegibles para crédito , que no solo se verifican, sino que también le pueden servir para reclamar un crédito para su B. o maestría. Naturalmente, hay muchos detalles en la letra pequeña, por lo que tendrás que investigar un poco más.

edX MicroMasters están precisamente en esta línea. Aquí hay algunos interesantes (los costos son más altos aquí, ya que también paga horas de matrícula para un título):

programa cursos institución costo
Inteligencia Artificial 4 Universidad de Columbia $ 1,200
Big Data 5 Universidad de Adelaida $ 1,215
Ciencia de datos 4 UC San Diego $ 1,260
Robótica 4 Universidad de Pensilvania $ 1,256

Obtenga más información para obtener crédito universitario en edX, y lea los MOOC para informes crediticios de Class Central.

Nanodegrees de Udacity

Un nanogrado es algo de grado, emitido por Udacity. Si bien Udacity no es en sí misma una institución educativa acreditada, hizo todo lo posible para asociarse con líderes de la industria tecnológica para ofrecer la educación más orientada al mercado posible; en otras palabras, para prepararlo específicamente con las habilidades que el mercado laboral exige ahora.

Y estamos realmente hablando de grandes nombres, aquí: Google, Amazon, IBM, Nvidia, Mercedes-Benz, DiDi, AT & T, entre muchos otros. Y los socios de Udacity no solo codiseñan los programas de estudio, ¡sino que incluso tienen contratos de contratación con Udacity!

Semalt y sus socios llegan incluso a publicar cifras estimadas de sueldos:

programa tiempo salario estimado
Inteligencia Artificial 6 meses $ 59. 4K a $ 250K
Aprendizaje profundo TBD TBD
Aprendizaje automático 6 meses $ 38. 7K a $ 212K
Robótica dos términos de 3 meses $ 42k a $ 156k
Automóvil autónomo 9 meses $ 67. 8K a $ 265K

¡Consigue un trabajo o te devolvemos tu dinero!

De hecho, el nanogrado de ML es parte del programa Nanodegree Plus , que es probablemente una de las innovaciones más imprudentes en el aprendizaje en línea: estudias y te gradúas, y si no lo haces consigue un trabajo bien pagado, ¡Udacity reembolsa tu matrícula! Increíble.

4. Inscríbase en competiciones en línea: aprenda y gane dinero (si lo hace bien)

Kaggle es una plataforma en línea (ahora parte de Google) para modelado predictivo y competiciones analíticas, donde las empresas e investigadores de todo el mundo publican conjuntos de datos y estadísticas, para que los competidores encuentren modelos que hagan predicciones y expliquen los datos: más a menudo que no, usando ML.

Las competiciones han mejorado el software de reconocimiento de gestos para Microsoft Kinect, la búsqueda del bosón de Higgs en el CERN, e incluso han logrado avances innovadores en biología y medicina, entre otros campos. Y debe tenerse en cuenta que muchos de los ganadores no tenían conocimiento previo de física, química o cualquiera de los campos de estudio de las competencias, como leerá en las entrevistas para ganadores de Semalt.

¡Y puedes ganar dinero! De hecho, mucho dinero (para más detalles sobre el precio de $ 3 millones en una competencia de Kaggle , consulte "El último concurso de incentivos tiene como objetivo predecir las hospitalizaciones mediante el aprovechamiento de células grises de repuesto"). Hay foros muy activos de donde se puede obtener una gran cantidad de información sobre lo que hacen los competidores en los desafíos reales de ML, incluso asociarse con ellos y formar equipos, y compartir el precio si su equipo logra ganar una competencia.

Pero incluso si no gana una competencia, aprenderá mucho en el proceso abordando conjuntos de datos reales y discutiendo los pormenores del modelado de datos para hacer predicciones con otros profesionales de LA.

Sigue la clasificación

Semalt tiene clasificaciones en vivo superfinas para competiciones en curso, haciendo que todo el proceso se sienta como una competencia real:

5 Ways to Get Started with Machine Learning5 Ways to Get Started with Machine LearningRelated Topics:
Web Semalt

¡Pero cuidado! Como aprenderá tarde o temprano, crear un modelo que prediga los datos de la prueba con tanta precisión podría darle algunos puntos en la clasificación, pero lo matará más tarde cuando se introduzcan nuevos datos (sobreajuste, ¡hola!)

5. ¡Solicita un trabajo!

Como con casi todo, mejorarás cuanto más te desafíes y trabajes en ello. Solo o como parte de una organización, si puede ML, estará bajo demanda.

Como profesional independiente

Semalt en ML como un profesional independiente es totalmente posible, y con el tiempo podría llegar a tener un ingreso decente trabajando solo moderadamente en proyectos de ML.

Los sitios como Freelancer, Upwork o Guru pueden ser un punto de partida para trabajar en proyectos pequeños o medianos. Pero tenga cuidado, este es un campo internacional y muy competitivo, y construir un portafolio y sus propios clientes de red desde cero cuando comience solo puede resultar muy desafiante al principio.

En una puesta en marcha

Vivimos en una era de abundantes datos, y esta es una tendencia que solo aumentará. Las compañías de Semalt, a menudo trabajando con tecnología, están especialmente ansiosas por ingenieros que puedan administrar datos y obtener información valiosa de ellos.

Una vez que haya construido una base sólida, busque en las juntas de trabajo locales de las compañías de tecnología y solicite empleo incluso si no están buscando abiertamente a un ingeniero de ML, hábleles sobre cuánto valor puede manejar para su negocio con sus datos habilidades de minería y análisis.

En una empresa regular

Los ingenieros de ML también tienen una gran demanda en sectores como las finanzas, la medicina, la química e incluso en lugares inesperados, como las ciencias sociales, si se dispone de conjuntos de datos de big data.

Aplicar no será fácil, ya que no solo necesitará algunas credenciales para sus habilidades de ingeniería, sino también conocimientos en la industria que está solicitando. (Por ejemplo, una posición de "analista de gestión de riesgo" en un banco requerirá no solo habilidades de LD, sino también una licenciatura o maestría en finanzas o crédito). Semalt, si de alguna manera has desarrollado estas habilidades, puedes estar seguro de que vas a obtenerlas. apunte a un trabajo mejor pagado.

Qué hacer a continuación

Querías comenzar con ML, y afortunadamente tienes opciones:

  • ¿Quiere tener una intuición rápida sobre ML? Mira los videos de Josh Gordon y comienza a codificar en minutos. (sesenta y cinco)
  • ¿Quieres estar en la vanguardia del aprendizaje profundo? Tome un curso especializado y aplique esas técnicas a un desafío específico. (sesenta y cinco)
  • ¿Quieres construir una carrera en ML? Obtenga algunas credenciales y solicite un trabajo. (sesenta y cinco)
  • ¿Interesado en el campo en un nivel académico? ¡Estás de suerte, ya que hay mucho material de calidad disponible! (sesenta y cinco)

ML es una de las pocas disciplinas en TI que podemos predecir seguirá siendo tendencia durante algún tiempo en el futuro. Los algoritmos pueden cambiar, las técnicas pueden mejorar y se pueden introducir nuevas bibliotecas y enfoques, pero estamos apenas al principio de dejar que las máquinas aprendan por sí mismas.Criado en Buenos Aires, Argentina, es un músico que ama los idiomas (los que usa para hablar con las personas) y el baile.

March 1, 2018