全文には合計1956語が含まれ、推定学習時間は6分です。
出典:Pexels
免責事項:以下は、業界の学術調査ではなく、機械学習チームの著者の観察に基づいています。
人工知能の中核として、機械学習は、確率理論、統計、近似理論、凸解析、アルゴリズム複雑性理論などの複数の科目を含む、学際的な学際的な科目です。
読者が開発者であれば、少なくとも機械学習に少し興味があるかもしれません。
「まあ...それ自体で予測を学習できるアルゴリズム、コンセプトは少し...クールです。」
ただし、実際にルールに従って機械学習を学ぶ場合、2週間の線形代数と多変数計算を学習した後で、放棄したいという考えが浮かぶ可能性が非常に高くなります。
これは、機械学習の紹介資料のほとんどが開発者向けではなく、機械学習研究者向けだからです。
したがって、機械学習のみを使用して製品を構築したい開発者は頭痛の種になります。
製品を作りたい、または研究をしたいですか?
21世紀の終わりまで、機械学習は多かれ少なかれ研究課題でした。その理由は簡単です。多くの企業が機械学習を生産において価値ある方法で使用しているわけではありません。
したがって、機械学習の多くの入門資料は、この研究の観点から説明されています。まず、数学的な観点からニューラルネットワークを説明し、逆伝播や反対ネットワークなど、MLの背後にあるすべての理論を説明します。
ある程度、大学以外の関連資料もこのモデルに従っています。たとえば、TensorFlowの「初心者のためのクイックスタート」から直接取得します。
ソース:TensorFlow
機械学習の背後にある数学的理論にすでに精通している場合、または機械学習の学習に関心がある場合は、この方法が適しています。ただし、主に機械学習を使用して物事を構築する場合は、適切でない場合があります。
プログラミングを推論として使用するこの方法は、最初にアセンブリを学習することによってコードを書くことを学ぶようなものです。この方法を学ぶ開発者はほとんどいません。
注:リーダーがアセンブリを学習することでコードを学習する場合、著者は怒ったコメントを受け入れ、リーダーが不明瞭なLinuxディストリビューションにブラウザーをインストールすることに感銘を受けました。
コーディングを学んだ後、読者は高級言語を使用してhello worldを書く可能性があります。次に、プロジェクトをもう少し複雑にすると、必要に応じて低レベルのプログラミングをさらに学ぶことができます。
この学習モードは、構築を最適化できるため、ソフトウェアビルダーの間で非常に効果的です。読者が論文の公開よりも推奨エンジンの構築に関心がある場合は、次の方法でMLを学習します。
ソフトウェアを構築してMLを学ぶ方法
出典:Pexels
読者がコース学習を通じて結果を得る可能性が最も高い種類の人である場合、アクセスできる最良のリソースは、fastaiのオリエンテーションである、このトップダウンの学習型モデルの最もアクティブな支持者である可能性があります。 (プログラマーの練習の深さ)コース。
この記事はfastaiの大きな広告を意図したものではありませんが、ファウンダーであるJeremy HowardとRachel Thomasが編成したいくつかのコースは、学習者が実際に構築できるようにすることにより、現在の建設プロジェクトに関連する基本的な理論について詳細な研究を行っていると言えます。次に、開発者にディープラーニングを教えます。
または、読者が自分で物事を行うことで最もよく学ぶような人であれば、機械学習の開始は他のプログラミング分野と同じです。参加するのが非常に興味深いと思われるプロジェクトを選択してください。ここに著者は、初心者にやさしいNLPプロジェクトのリストをリストしています。
読者がこの方法で学習すると仮定すると、MLの構築に慣れるための良い方法は次のとおりです。
1.テキストオートコンプリーターやナンバープレートレコグナイザーの作成など、目標を決定します。
2.プロジェクトに適した事前トレーニング済みモデルを見つけます。GPT-2またはYOLOv3は、前述のプロジェクトにそれぞれ適用できます。
3.必要に応じて、gpt-2などのライブラリを使用してモデルを微調整(データに基づいてカスタマイズ)することもできます。
4.最後に、モデルをマイクロサービスとしてデプロイします。
モデルがAPIとしてデプロイされると、他のWebサービスやその周りに構築されたアプリケーションと同様にクエリを実行できます。
MLに携わるエンジニアが作成したこのプロジェクトで、このプロセスの実際のアプリケーションを実際に確認できます。
このようにして、人気のあるさまざまなモデルアーキテクチャと機械学習方法、およびそれらがどのアプリケーションに適しているかについて学ぶことができます。MLインフラストラクチャを理解することも同様に重要であり、モデルから実際の製品を構築することが不可欠です。
機械学習を使用して構築できたら、この理論を学ぶ必要があります
リーダーがエンジニアの場合、すでに何らかの形式の認証が行われている可能性があります。これは、リーダーがパスワードをハッシュしたことを意味します(そうしたいと思います)。
パスワードハッシュを設定するときにカスタムハッシュアルゴリズムを記述しましたか?暗号化を数週間かけて学びましたか?それともbcryptを使用しただけですか?
同様に、最初のWebアプリケーションを構築するとき、データベースを学習するのに数週間かかりましたか?最初から書きましたか?または、お気に入りのフレームワークに付属しているORMを使用しましたか?
出典:Pexels
同じロジックが機械学習にも適用されます。
読者がソフトウェアの作成を好む人である場合は、機械学習を使用してソフトウェアを作成することから始め、ツール、事前トレーニング済みのモデル、MLフレームワークで基礎となるML理論を抽象化します。
読者がまだ好奇心が強い場合、またはプロジェクトにさらに複雑さが必要な場合は、マシンのフードをさらに掘り下げて、それがどのように機能するかを分析します。
誰もがいつでも自分の機械学習パスを設計できます。
コメントを残す
AI学習と開発のドライグッズを一緒に共有しましょう
フルプラットフォームAI垂直セルフメディア「リーディングコアテクニック」へようこそ
(エディターWeChatを追加:dxsxbb、読者サークルに参加して、最新の人工知能テクノロジーについて一緒に議論してください〜)