Torne-se o Rafael Nadal da Aprendizagem de Máquinas

Um ano atrás, eu era novato no mundo da Aprendizagem de Máquinas. Eu costumava ficar sobrecarregado com pequenas decisões, como escolher o idioma para codificar, escolher os cursos on-line diretos ou escolher os algoritmos corretos.

Então, eu planejei facilitar a gente entrar na Aprendizagem de Máquinas.

Assumirei que muitos de nós começamos do zero na nossa viagem de Aprendizagem de Máquinas. Vamos descobrir como os profissionais atuais no campo atingiram seu destino e como podemos imitá-los em nossa jornada.

Eu vou ilustrar como você pode aprender a Ciência dos Dados desenhando um paralelo entre o modo como Rafael Nadal aprendeu a jogar tênis e como você pode aprender Aprendizado de Máquinas.

Comprometer-se – Estágio 1

Rafael Nadal aos 3 anos

Nadal tinha talento esportivo ao redor dele em sua família. Inspirado por eles, ele começou sua jornada de tênis aos 3 anos de idade.

Para qualquer um que comece na Aprendizagem de Máquinas, é importante cercar-se com pessoas que também estão aprendendo, ensinando e praticando a Aprendizagem de Máquinas.

Aprender as cordas não é fácil se você fizer isso sozinho. Então, comprometa-se a aprender Aprendizagem de Máquinas – e encontre comunidades de ciência de dados para ajudar a tornar sua entrada menos dolorosa.

Aprenda o ecossistema – Estágio 2

Rafael Nadal pratica tenis

Rafael Nadal aprendeu não só as regras do tênis, mas também o "ecossistema" circundante.

Ele aprendeu sobre os diferentes tipos de raquetes, bolas, superfícies de corte. Ele aprendeu sobre a pontuação no tênis. Ele se inscreveu para um treinamento de tênis.

Descubra o ecossistema de Aprendizado de Máquinas

A Data Science é um campo que abraçou e usou plenamente as plataformas de código aberto. Embora a análise de dados possa ser realizada em vários idiomas, usar as ferramentas certas pode fazer ou quebrar projetos.

As bibliotecas de Science de dados estão florescendo nos ecossistemas Python e R. Veja aqui uma infografia sobre Python vs R para análise de dados.

Seja qual for o idioma que você escolher, o Jupyter Notebook e o RStudio tornam nossa vida muito mais fácil. Eles nos permitem visualizar dados ao manipulá-lo. Siga este link para ler mais sobre os recursos do Jupyter Notebook.

Kaggle, Analytics Vidhya, MachineLearningMastery e KD Nuggets são algumas das comunidades activas onde os cientistas de dados em todo o mundo enriquecem a aprendizagem do outro.

O Aprendizado de Máquinas foi democratizado por cursos on-line ou MOOCs da Coursera , EdX e outros, onde aprendemos com professores incríveis em universidades de classe mundial. Aqui está uma lista dos melhores MOOCs em ciência dos dados disponíveis agora.

Cimento da Fundação – Estágio 3

Rafael Nadal durante uma partida

Rafael Nadal aprendeu os tiros básicos

O treinador de Nadal ensinou-lhe os tiros de direito e de revés. Esta é a base principal do tênis. Rafael poderia jogar o jogo de forma competente com esses tiros básicos.

Aprenda a manipular dados

Cientistas de dados, de acordo com entrevistas e estimativas de especialistas, gastam 50 por cento a 80 por cento do seu tempo atormentado no trabalho mundano de coleta e preparação de dados digitais indisciplinados, antes de poder ser explorado para nuggets úteis. – Steve Lohr do New York Times

'Data Crunching' é a alma de todo o fluxo de trabalho de Aprendizado de Máquinas. Para ajudar com este processo, a biblioteca Pandas em Python ou R's DataFrames permite manipular e realizar análises. Eles fornecem estruturas de dados para dados relacionais ou rotulados.

A ciência dos dados é mais do que apenas construir modelos de aprendizagem de máquinas. Também é sobre explicar os modelos e usá-los para direcionar decisões orientadas por dados. Na jornada da análise aos resultados orientados por dados, a visualização dos dados desempenha um papel muito importante na apresentação de dados de forma poderosa e credível.

Matplotlib A biblioteca em Python ou ggplot em R oferece suporte gráfico 2D completo com muita flexibilidade para criar visualizações de dados de alta qualidade.

Estas são algumas das bibliotecas nas quais você passará a maior parte do tempo ao realizar a análise.

Ecossistema Python dos blocos fundamentais para blocos de nível superior

Pratique dia a dia – Fase 4

Rafael Nadal, quando perguntado quanto treinou:

"Treino quatro horas por dia, 210 dias por ano. Se adicionarmos a isso, jogo cerca de 80 jogos por ano, cada um com uma duração média de duas horas. São 1000 horas jogando tênis por ano – e isso é sem contar os dias de treino durante os torneios ".

Aprenda algoritmos de aprendizado de máquina e pratique-os

Depois que a base for definida, você consegue implementar os algoritmos de Aprendizado de Máquinas para prever e fazer todas as coisas legais.

A biblioteca Scikit-learn em Python ou o caret , as bibliotecas e1071 em R oferecem uma variedade de algoritmos de aprendizagem supervisionados e não supervisionados através de uma interface consistente.

Estes permitem que você implemente um algoritmo sem se preocupar com os funcionamentos internos ou com os detalhes de nitidez.

Aplique esses algoritmos de aprendizado de máquina nos casos de uso que você encontrar ao seu redor. Isso pode estar no seu trabalho, ou você pode praticar nas competições da Kaggle . Nestes, cientistas de dados em todo o mundo competem na construção de modelos para resolver problemas.

Simultaneamente, entenda o funcionamento interno de um algoritmo após o outro. Começando com 'Hello World!' de Aprendizado de Máquina, Regressão Linear , em seguida, mude para Regressão Logística , Árvores de Decisão para Suportam Máquinas Vectoriais . Isso exigirá que você escove suas estatísticas e álgebra linear.

O fundador da Coursera, Andrew Ng, um pioneiro na AI, desenvolveu um curso de Aprendizado de Máquinas que lhe dá um bom ponto de partida para a compreensão do funcionamento interno dos algoritmos de Aprendizado de Máquinas.

Aprenda as habilidades avançadas – Estágio 5

Rafael Nadal aprendeu a jogar tiros avançados

Nadal, ao se concentrar na peça fundamental, também foi apresentado aos tiros avançados. Os tiros que apenas os profissionais que jogam tênis dia a dia são capazes de sair.

Aprenda Arquiteturas de Aprendizado de Máquinas complexas e Arquiteturas de Aprendizagem Profunda

Enquanto a Aprendizagem de Máquinas como um campo foi estabelecida há muito tempo, a hype recente e a atenção da mídia são principalmente devido aos aplicativos de Aprendizagem em Máquinas em campos de AI, como Computer Vision, Speech Recognition, Language Processing. Muitos destes foram pioneiros pelos gigantes tecnológicos como Google, Facebook, Microsoft.

Esses recentes avanços podem ser creditados no progresso feito na computação barata, na disponibilidade de dados em grande escala e no desenvolvimento de novas arquiteturas de Aprendizagem Profunda.

Para trabalhar em Aprendizado Profundo, você precisará aprender a processar dados não estruturados – seja texto, imagens ou sons gratuitos.

Você aprenderá a usar plataformas como TensorFlow ou Torch , o que nos permite aplicar o Deep Learning sem se preocupar com os requisitos de hardware de baixo nível. Você aprenderá o aprendizado de reforço, o que possibilitou maravilhas modernas de AI como o AlphaGo Zero .

Dê seu primeiro passo para aprender Aprendizagem de Máquina agora!

  1. Instale a Anaconda e use Jupyter para escrever Python

Percorra alguns tutoriais do Python e aprenda suas estruturas e sintaxe de dados fundamentais.

2. Se cercam da Data Science. Criar conta em:

? Kaggle e checkout os kernels escritos pelos principais cientistas de dados. A Kaggle ajuda você a lubrificar e estabelecer um fluxo de trabalho padrão para aderir a qualquer problema de Ciência dos Dados

? Análise Vidhya : Este site é um lugar para muitos cientistas de dados. Este site possui 4 milhões de visitantes únicos por mês e tem uma comunidade muito ativa.

? Confira YouTube pyData Channel . pyData é uma conferência organizada pela comunidade de código aberto para educar os analistas com os últimos desenvolvimentos na Data Science. Isso lhe dá

? Use podcasts para aprender sobre as últimas ferramentas e tecnologia em AI.
Podcasts é uma ótima maneira de gastar tempo em suas tarefas diárias, seja jogging, para arrumar seu armário ou enquanto viaja. Se você é novo nos podcasts, baixe o aplicativo Viciador do Podcast para o seu telefone.

Aprendizagem de Máquinas – Engenharia de Software Diariamente | Todas as semanas, Jeff entrevista pessoas do coração da Data Science. Dá-lhe o olhar precoce muito raro sobre o que está acontecendo no vale do silício, ajudando você a entrar em novas técnicas e tecnologias. Isso lhe dá tantas idéias novas para implementar em seu trabalho. Não posso recomendar isso o suficiente.

? Médio

Acompanhe algumas das publicações de Aprendizado de Máquinas aqui em Médio:

? Vá para Coursera e Edx , e confira os vários cursos de Aprendizagem de Máquinas disponíveis.

Terminarei este post com esta citação de Robin Sharma:

Cada Pro foi Once a Amateur.

Todo Especialista era uma vez um novato.

So Dream Big.

E Comece agora.

Por favor, comente abaixo para nos dizer por que você está planejando iniciar sua jornada de Aprendizado de Máquinas, e como você planeja fazê-lo.

E para todos os profissionais de Aprendizagem em Máquina, dê-nos as nuances do que funciona e do que não. Por favor, comente abaixo sobre como você iniciou sua jornada de Aprendizado de Máquinas e o que acelerou e impediu seu processo de aprendizagem.

Deixe uma resposta

O seu endereço de e-mail não será publicado. Campos obrigatórios são marcados com *