Как постичь machine learning?
Публичный пост
3 июля 2020
975
Я закончил магистратуру и для дальнейшего развития я хочу изучить машинное обучние, чтобы иметь больше возможностей в своей карьере.
Мне хочется достичь того уровня, который позволит более менее понимать, как все это работает.
И у меня встает вопрос - с чего начать изучение ML? Какие интернет-ресурсы, видео, книги, курсы можно изучить, чтобы разобраться (желательно русскоязычные, ибо английский мой плох). В ВУЗе некоторые элементы были машинного обучения были, но все-таки хочется разобраться всерьез.
P.S. Статью Вастрика читал.
С ходу нужно отметить, что тебе стоит заглянуть в Slack-канал ods.ai. Любой вопрос по ML, нейронкам, NLP и всему подобному можно задать там. Также у них есть свои self-paced курсы: mlcourse.ai и dlcourse.ai.
По классическому ML могу посоветовать Стэнфордский курс от AndrewNG: https://www.coursera.org/learn/machine-learning
Курс немного староват, но базу и понимание моделей дает хорошо.
По Deep Learning могу посоветовать специализацию от deeplearning.ai, которую, как неожиданно, ведет тоже AndrewNG: https://www.coursera.org/specializations/deep-learning
В выше упомянутом Slack-канале можешь найти доп. материалы и всё остальное, что тебе будет нужно :)
https://www.oreilly.com/library/view/hands-on-machine-learning/9781492032632/ найди эту книжку в интернете, для работы уже хватит. Современный ML/DS покрывается чуть-менее чем полностью. Дрочить теорию нет смысла в начале.
На Курсере есть специализация Яндекса и МФТИ на русском. База там подробно изложена.
Вообще ключевой язык в отрасли английский, так что без него сложно будет прокачаться
Никто пока здесь не упомянул, но слышал много рекомендаций о fast.ai как о курсе по ML специально для программистов. Даже
великий и ужасныйБобук его на своих выступлениях и в Радио-Т неоднократно рекомендовал. Но на английском, да. Сам пока, правда, этот не курс не проходил.На kaggle есть несколько интерактивных туториалов. Конечно теоретической части там мало, зато можно сразу увидеть результат написанного тобой.
Я бы отметил, что для развития в МЛ хард скиллов очень мало, нужна задача (данные).
Я "вкатывался" в это дело в 2016-17 годах, и понял, что не так страшны алгоритмы с матаном (реально Эндрю Ын всё разжует), и нет особых проблем в том чтобы со временем освоить пляски с коэффициентами.
Главная проблема, это то, что данных, пригодных для МЛ, тупо почти нигде нет. А сбор датасета - это не совсем хард скилл, с одной стороны там нет ничего сложного, и никто этому особо не учит, с другой стороны - это самая сложная, и порой невозможная часть.
А с хорошим датасетом щас и обезьяна может в каком нибудь тулбоксе поиграться и чего-то там обучить, не зная ничего вообще про фундамент.