Машинное обучение, искусственный интеллект, наука о данных - это модные слова нынешнего поколения, мечта каждого второго подростка. Работа специалиста по данным - самая востребованная в нашем технологически подкованном поколении, и ее нехватка все еще ощущается.

Эта статья не предназначена для того, чтобы сделать вас специалистом по данным на ходу, и она не дает вам секретного рецепта, как «сделать это» в качестве ученого по данным, скорее, она предназначена для новичков, которые интересуются наукой о данных и хотят ее изучить. для развлечения или для работы.

Начнем с основ, с определения. Машинное обучение - это изучение компьютерных алгоритмов, которые автоматически улучшаются на основе опыта. Он рассматривается как разновидность искусственного интеллекта. Следующее изображение удобно описывает это.

Вы можете спросить, как с опытом улучшить машину !? Короткий ответ - код. Прежде чем щелкнуть мышью, вы поймете, что вам нужно кодировать. позвольте мне сказать вам, это не особо сложно, ну, мне вроде удалось это сделать, и вы тоже.

Хорошо, мы почти закончили с основами, давайте перейдем к деталям.

  • Где вы кодируете?

Машинное обучение и наука о данных могут быть написаны как на Python, так и на R. Это языки программирования, являющиеся отраслевым стандартом. Python гораздо более дружелюбен к новичкам, и есть большая вероятность, что если вы хоть немного разбираетесь в программировании в целом, вы слышали о python. В Интернете есть много ресурсов для настройки этих языков. Хотя я лично рекомендую бесплатный курс Моша Хамедани на YouTube, он охватывает все основы Python, а также немного машинного обучения. Также создайте свои учетные записи на Github, stack overflow, kaggle, intodatascience. Это некоторые инструменты, которые имеют решающее значение для вашего путешествия.

  • Есть ли в нем МАТЕМАТИКА !?

Да, есть математика. Но не волнуйтесь, потому что кто-то намного умнее меня и вас сделал за нас ужасную математику. Итак, теоретически вы можете избегать математики до тех пор, пока это не будет просто хобби. однако, если вы настроены серьезно, математика становится обязательной по мере того, как вы углубляетесь. Но я рекомендую всем изучить вероятность и статистику, чтобы потом было проще.

  • Что делать, когда я освоил основы?

А теперь самое интересное! Мы можем начать заниматься машинным обучением, хоть немного. Я рекомендую посмотреть курс по двум библиотекам (если вы не знаете, что это такое, возможно, вы не знаете основ и, возможно, вам стоит попрактиковаться больше). Pandas и Numpy. их гораздо больше, но они абсолютно необходимы для всего, что вы хотите делать с наукой о данных в целом. Вы можете выбрать курсы в зависимости от вашего бюджета. Опять же, есть много руководств, чтобы получить хороший курс, если вы достаточно соберетесь.

  • Что теперь?

Итак, у вас есть основы машинного обучения и вы знаете об основных алгоритмах, таких как линейная регрессия, логистическая регрессия, k-ближайший сосед (если вы не знаете, что это такое, возможно, вам придется улучшить свои основы). Теперь это похоже на открытую местность, и вы можете бегать, куда хотите. К этому моменту вы должны быть знакомы с многочисленными приложениями машинного обучения. Я рекомендую вам выбрать одну область интересов (рекомендую посмотреть мое видео по этому поводу на YouTube), полностью погрузиться в нее и приложить усилия, чтобы стать лучше.

  • Концовка

Концовки всегда печальны, по крайней мере, в фильмах. но здесь, в буквальном смысле, нет конца. Есть миллионы статей о продвинутом машинном обучении, глубоком обучении, нейронных сетях, RNN, CNN, стохастическом градиентном спуске и многом другом! Итак, пристегнитесь! Потому что путешествие стало еще глубже! На данный момент я не думаю, что имею право рекомендовать что-либо кому-либо, потому что вы выросли и, возможно, знаете намного больше, чем я.

Могу заверить вас, что это ваше путешествие будет завораживающим и вам понравится! Видите ли, это путешествие становится только лучше и лучше по мере вашего продвижения, и в нем нет кульминации, нет конца, просто прямая дорога, заполненная препятствиями. Сообщество науки о данных потрясающее, и вас будут приветствовать независимо от ваших знаний. Всякий раз, когда вы застреваете, запомните формулу, это всего лишь одно слово, переполнение стека. Это похоже на ночлег для заблудших и застрявших. Вы почти гарантированно получите что-то, связанное с вашей проблемой и ее решением.

Я считаю, что для новичка этой информации достаточно, только одно. Не останавливайся. Серьезно, это путешествие временами будет настолько ошеломляющим, что вам захочется бросить курить, но оно стоит каждой секунды, которую вы потратите, стуча головой по клавиатуре, подвергая сомнению себя и свое решение, это действительно так.

Я также предоставляю услуги, связанные с наукой о данных и машинным обучением на fiverr, поэтому, если вы застряли, я помогу вам как можно лучше здесь

Завершение,

Товарищ новичок.