Вивчення machine learning

друзі-пайтоністи і мешін льорнінгісти!

дуже потрібна ваша порада 😊

у мене є падружанька, яка хоче вивчати machine learning.

порадьте, будь ласка, із чого починати вивчення 🙃

у неї немає досвіду в програмуванні.

цікавлять онлайн- або оффлайн-курси з наявністю ментора (або не курси, а просто досвідчений ментор, який міг би направляти і давати відповіді на якісь питання). якшо мова про оффлайн-курси, то цікавлять курси в києві.

буду дуже-дуже вдячна за поради 😊

👍НравитсяПонравилось1
В избранноеВ избранном1
LinkedIn
Допустимые теги: blockquote, a, pre, code, ul, ol, li, b, i, del.
Ctrl + Enter
Допустимые теги: blockquote, a, pre, code, ul, ol, li, b, i, del.
Ctrl + Enter
у мене є падружанька, яка хоче вивчати machine learning.

Если дейтсвительно учить, чтобы понимать, то идет на педивикию по этим двум словам и учит все по ссылкам с той странички.

Если на уровне машинлемминга, то ничего учить не нужно. На медиуме прочитать пару статеек для машин леммингов и на гуглколабе попробовать — и вот она машинлемминг.

не зовсім те що треба, все ж підкину трохи матеріалів по темі класичного ML (по них же і своїм студентам в ВУЗі читаю): github.com/...​eilstein/machine_learning . там окрім нотатків по лекціях і зошитів для практики ще зверніть увагу на «Further Resources» до кожного розділу і список літератури в кінці. ну і в цьому році ще до комплекту відеолекції зліпили www.youtube.com/...​xDVgnb2lIYo9-1l4XYhrIyS6A щоб уже фулхаус. щось з цього може бути корисним.

з приводу roadmap, як би мені здавалось розумно почати:
== вступ ==
* vas3k.ru/blog/machine_learning — невелика стаття, простими словами про все це ML-барахло, щоб приблизно уявляти що означають ті чи інші слова.
== інженерні інструменти ==
* Python — де-факто стандарт в індустрії, та і навіть без ML в сучасному світі буде не лишнім. для вивчення мені подобається хакерранк www.hackerrank.com/domains/python . там пачка задач на синтаксис, автогрейдер, все як для людей. там є і теорія, але якщо потрібен довідник по синтаксису, то docs.python.org/3/tutorial/index.html
* NumPy — часто використовувана бібліотека + логіка роботи з масивами нампай така сама як з «тензорами» тензорфлов. є стаття на хабрі habr.com/ru/post/352678 , або моя третя лекція.
* MatplotLib + Pandas — просто погуглити що таке, намалювати один графік. приклади можна подивитися у мене в робочих зошитах (лекції 5 і 4)
== сам ML ==
* для класики мені дуже подобається книжка ван дер Пласа tanthiamhuat.files.wordpress.com/...​ondatasciencehandbook.pdf
* для нейронок є дуже відомий курс лекцій CS231 www.youtube.com/...​i5JvHM8ljYj-zLfQRF3EO8sYv або мені ще подобається книжка Aurélien Géron, Hands-on Machine Learning with Scikit-Learn, Keras, and TensorFlow

якщо що, посилання на це все є і у мене на сторінці курсу на гітхаб. може знадобитися ще якийсь матапарат, але мені тут трохи складніше щось підказати: в мене студенти після фіз-мат бакалавратури, то я їм можу ліпити які хочу формули і не задумуватися — все зрозуміють, а от що робити в інших випадках не дуже знаю.

Плюсую все. Стосовно CS231n раджу дивитись запис 2016 року з Андреєм Карпати: www.youtube.com/...​_r6fkUSYmvgCBwq-sw/videos першу лекцію можна пропускати, там Fei-Fei Li щось нудно розказує.

Власне реально можна почати вчити МЛ з цього курсу, бо там навіть пояснюють ту математику, яка потім потрібна для МЛ.

Ну і без Пітону дійсно буде дуже сумно :)

Если человек задает такой вопрос, то это похоже на «слышали хайп». Во-первых, machine learning очень разных в разных направлениях и соответственно знания нужны очень разные.
Во-вторых, если нет хорошей математической базы, на любом собеседовании с реальных рисерчером будет очень стыдно.

Я бы посоветовал для начала «The Elements of Statistical Learning», если не понравится, то просто неплохо разобраться с python/pandas/numpy, запустить какой-то котодетектор с туториала и идти интерном в какую-то около R&D контору.

у мене є падружанька, яка хоче вивчати machine learning.

порадьте, будь ласка, із чого починати вивчення

как же хорошо что такой контингент идет именно в ML которым я не пользуюсь, намного хуже было бы если бы вайтишники ломились в safety critical системы.

ну вот ты сейчас сказал что такое есть и начнут

«такой контингент» — це який саме контингент?
хочете сказати, що ви народилися вже з усіма скіллами для написання коду на плюсах? і не починали з вивчення азів, а потім із першого досвіду на реальному проекті?
ну-ну

«такой контингент» — це який саме контингент?

вайтишников хайпожоров

хочете сказати, що ви народилися вже з усіма скіллами для написання коду на плюсах

вопрос не в том с какими скилами я родился, а в том из каких соображений и как я попал в индустрию

зачем учить машин лернинг, если машина должна лернинг, а человек отдыхать и получать синьорскую зп в 8к баксов???

А хто буде цю машину вмикати?

уборщица на пол-ставки

Напишите в www.facebook.com/groups/devCKyiv

Они переодически набирают народ по-всяким интрересам.
Если наберете людей по-данному направлению, то сможете запустить Study Group по ML.

Чтобы освоить ML на нормальном уровне (т.е. понимать, что происходит после вызовов функций из хайповых библиотек), нужно как минимум не бояться высшей математики. Всех этих ваших линейных алгебр, интегралов, частных производных, гауссовых кривых, дисперсий и матожиданий.

Ниже Сергей Дорошенко сбросил отличный курс. Но вот это приквел: www.coursera.org/learn/machine-learning
Он бесплатный (платить надо только за сертификат). Если первые 3-4 лекции не напугают до усрачки, а пройдут довольно безболезненно, значит при опреленном упорстве все получится. :-)

Ментор может понадобиться после прохождения этих онлайн курсов. Здесь, скорее нужен будет репетитор по вышке. Но стоит ли?

Начать с алгебры, линейной алгебры, и дифуров.

Не, ну че ты начинаешь? Нормально же общались.

Советы давать — не мешки ворочать!

А діфури нащо?
Для матстату?

Імітація відпалу
Ми ж почали кидатись термінами, які ніколи не виристовувати на практиці?

uk.wikipedia.org/wiki/Градієнтний_спуск — я теорію погано памя’таю, але я не побачив там діфурів

Імітація відпалу

Ох бля, тільки через 10хв дойшло, що це en.wikipedia.org/wiki/Simulated_annealing лол.

Там частинні похідні а не дифури.

нудный ты, потому тут тебя на форуме не любят.

«Да ладно. Меня все любят. Жену свою спроси.»
( youtu.be/tKUcgfIhKFE?t=37 )

Мені дифури ще ні разу не пригодились для МЛ — але може тому, що я їх погано знаю і не заюзав там, де можна було б. Ну ... коли курс по самоїздящих тачках проходив, то там їх трошки було, але то «не рахується».

Edit: а от ТЙ/МатСтат/ТеорІнф пригождались. Ще дивно, що всі забуваються про чисельні методи — афігенно недооцінено :(

всі забуваються про чисельні методи — афігенно недооцінено :(

є таке. я в себе в курсі навіть цілу лекцію на це діло віддав, щоб трохи виправити таку ситуацію.

мне в работе вообще ничего не пригождалось, но я не МЛ, обычный говнокодер.

Почти всё из этого для машинлемминга не нужно. Достаточно по туториалу из питона научиться запускать нейронки — это 5-10 строк кода обычно.

а кто будет подготавливать данные? оптимизировать нейросеть то уже такое
и дебил может навалять нейро сеть, но она должна еще что то предсказывать с точностью выше 70%

а кто будет подготавливать данные?

Аннотаторы. Хотя для машинлемминга и эта задача пойдет.

оптимизировать нейросеть то уже такое

Вот даже интересно стало, что ты в эти слова вкладываешь?

и дебил может навалять нейро сеть

Типичный машинлемминг такого не может. А кто подобное делает, те в фейсбуках с гуглами, да амерских универах в некоторых отделах работают.
С другой стороны, попробуй сделать сетку лучшеи быстрее, чем YOLO, например.

З.Ы. Да, у меня сильно пессимистичный взгляд на оное, но такова селява.

Без опыта в программировании ML. Ну ладно на самом деле куда важнее математика как с ней у подруги? А так надо начать с питона, на www.kaggle.com есть курс по пайтону для новичков вполне норм

Якщо починати з пітону, то мона одразу йти на бекенд
Чи почати з жс і йти на фреймворки

Логично что если уже получил питон то легче уже под бэк формошлепить

Начинать можно с чего угодно. Я бы рекомендовал основы питона, курс по МЛ типа Python for Data Science and Machine Learning Bootcamp, и смотреть в сторону AutoML типа github.com/h2oai. Но если чел полный ноль, лучше начинать с QA)

начинать надо со статистики и теории вероятности

да зачем ВУЗ, несколько десятков часов лекций с тех жи вузов на ютуб
но проблема в том что просто статистику и теор вир мало, надо еще всякая лабуда типа линейной алгебры и еще по мелочи
а так годика за 4 можно стать хорошим специалистом и без ВУЗа

А потому что ни воли, ни характера не хватит, чтобы самому без палки все эти скучные замечательные пределы и интегралы проходить.

есть люди кому это интересно, мне например интересно, если есть время то смотрю лекции по статистике

Так треба ще й задачі рішати, а не тільки леції дивитись :-)

Да надо и задачи. Там так же есть куча интерактивных сайтиков где можно поиграться с теми же Т распределениями

А який у тебе досвід з AutoML? Просто у мене досить негативний — практично завжди ручками зразу ж получається сильно краще.

Ну понятно, что хардкор датасаентисты с доменными знаниями и способностью создать точную модель и вывести ее в прод — это топ. Но тут мне показалось ситуация у барышни другая.

С ознакомления с Github, консольными клиентами к нему и поиска правдивого ответа на вопрос «готов ли я посвятить этому 10 тыс часов собственной жизни в ущерб своему нынешнему времяпровождению».

Просто не лізти в це. Це далеко не головна магістраль, а стежка через болота. Якщо не знати, навіщо воно треба, ЧОГО потребує по ресурсах, якими фінансами треба розпоряджатися щоб щось на тому ринку ловити — то просто дарма витратить час, вивчаючи те, що виявится хибними мертвими гілками розвитку.

Інакше кажучи, це дуже командна робота, тому треба спочатку розуміти, де та з ким доведеться мати справу. Ну і вчити мову команди до рівня комфортного спілкування, а це навіть не флуент, це так щоб взагалі не напрягало.

Ну і зрозуміло, що ніякі «курси» тут не допоможуть. Бо на курсах вчать тому, чому легше вчити, та аж ніяк не здобувати знання по крупицях серед гігатон булщиту.

На курсах от Coursera и Udacity можно и прокачаться, содержание булшита там стремится к нулю.

Но это без менторов, которых хочет авторка. Не знаю, зачем ей менторы.
Замуж? Они над детьми будут экспериментировать, занимаясь изучением того, как обучаются маленькие, неокрепшие мозги. Профдеформация, бессердечная cyкa.

в МЛ человеку который не знает что такое программирование ловит нечего

И даже большинству тех, кто знает. Уже объяснил почему: нужно иметь цели в сфере его применения. Просто как раб.сила на этой стезе не пробьёшься, грубо говоря, карьерная лестница отсутствует, придётся карабкаться по пожарной (в лучшем случае), а то и скалолазаньем заняться.

по поводу целей есть кеглер, там есть задачки и датасеты для нейронных сетей
будет какой то рейтинг с руками и ногами заберут

по поводу целей есть кеглер

Прочитал как «Кегель»:)

Який там рейтинг потрібен щоб забрали?

Ой, да ладно. Есть и диракторские позиции и даже CDO. В профильных конторах можно и CTO стать.

или проституткой. Возможности — они такие.

Они над детьми будут экспериментировать, занимаясь изучением того, как обучаются маленькие, неокрепшие мозги.

www.youtube.com/watch?v=3kVpmsFMcoE

зв’язку між ментором і заміжжям немає)
гайз, може, досить вже приписувати кожній жінці, шо хоче займатися серйозними інтелектуальними речами в айті, тупо бажання вийти заміж?)

в менторі є потреба тому, що хочеться, аби була людина, яка давала відповіді на питання, що виникатимуть в процесі вивчення технологій) наприклад, коли ми вперше приходимо на живий проект і починаємо на ньому кодити, то хіба не бувають ситуації, коли ми йдемо до більш досвідченого колеги з питанням? спойлер: бувають) от тут точно така ж потреба в менторі)

Нехай під’єднається в Slack ods.ai і там розпитає все.
Тут мало компетентних на ДОУ, більше по політиці, фінансах, гендерних питаннях, вірусології, конспірології та чипізації.

какой технологии?))) лол
лекции по статистике на ютубчике вот с чего надо начать
да научится на питоне хоть просты циклы делать, а потом уже думать о ML и менторах

А чем плохи менторы на той же курсере?
На eDX есть группы в фейсбуке.
На Udaticy тоже очень активные форумы.

Зачем отдельный ментор с доу?

Це далеко не головна магістраль, а стежка через болота.

А яка зараз головна магістраль?

Вернулся хайп на блокчейн

Відкрийте сайт із пошуку роботи, і побачите пряму відповідь на своє питання.

Кур’єри, далекобійники, різнораби.

А якщо серйозно то в NLP повно вакансій зараз для різних рівнів.

Подписаться на комментарии