این مقاله برگرفته از تجربیات دانیل بورک مهندس یادگیری ماشین میباشد:
من یک مهندس یادگیری ماشین هستم و مواردی که برایتان نوشته ام نکاتی است که برای مبتدیان بسیار مفید و انگیزشی خواهد بود و اگر مجددا یادگیری ماشینی را شروع کنم ، این موارد را به خود گوشزد کرده و مطمئنا اجرا خواهم کرد .
به یاد دارم سال ها پیش در استرالیا میزبان یک میتینگ روباتیک بودیم وپاسخگوی سوالات شرکت کنندگان .
شخصی سوالی پرسید:
“چگونه می توانم از رشته ای متفاوت و بدون هیچ زمینه ای به هوش مصنوعی و یادگیری ماشین وارد شوم؟”
همکارم نیک برگشت و نام من را صدا کرد.”دن بورک کجاست؟”من پشت صحنه بودم و با الکس صحبت می کردم. نیک مدیرعامل و بنیانگذار شرکت مکس کلسن ، یک شرکت فناوری در بریزبن است.
نیک ادامه داد: “خودشه او اینجاست ،” تخصص دن علوم بهداشتی بوده، او در رشته تغذیه فارغ اتحصیل شده ، سپس مدتی در Uber کار کرده است، یادگیری ماشین را به صورت آنلاین فرا گرفت و اکنون یکسالی است که مشغول به کار است و با ماکس کلسن به عنوان یک مهندس خبره ی یادگیری ماشین در ارتباط و همکاری میباشد. اگر سؤالی دارید ، مطمئنم که او خوشحال خواهد شد به شما کمک کند”و من به سوالات او پاسخ دادم .
فرد دیگری به نام انکیت درباره پروژه ای که برای درک بهتر یادگیری دانش آموزانش در آن کار می کرد صحبت کرد . او در حال ترکیب نرخ حضور در سخنرانی ها ، زمان صرف شده در پورتال یادگیری آنلاین ، نتایج آزمون ها به علاوه چند مورد دیگر بود. او حتی یک پورتال وب فرانت اند نیز ایجاد کرده است تا با نتایج در تعامل باشد.
کار او برایم الهام بخش بود..
آن روز افراد بسیار دیگری هم شروع به آمدن و پرسیدن سؤالاتی درباره نحوه ی ورود به حوزه یادگیری ماشین کردند. که همگی از رشته های مختلفی بودند .
از آنجایی که مطمئن هستم همه روزه افراد مبتدی بسیاری که در حوزه های مختلفی فعالیت میکنند خواهان ورود به دنیای یادگیری ماشین میباشند لازم دانستم برخی از تجربیاتم را با شما به اشتراک بگذارم.
یکی از بزرگترین تجربیات من که به برادرم که در حال شروع یادگیری ماشین میباشد هم توصیه کردم این است که بهترین مربی کسیست که 1 تا 2 سال از شما جلوتر باشد. یعنی کسی که به تازگی آنچه را که شما می خواهید طی کنید را پشت سر گذاشته است تا مواردی که تازگی دارد را به بهترین شکل از او بیاموزید .
این که دقیقا چه زبانی باشد چندان مهم نیست. می تواند R ، Java ، Python ، و یا هرچیزی باشد. آنچه مهم است انتخاب یکی از زبان ها و چسبیدن به آن است! اگر می خواهید به یادگیری ماشین کاربردی وارد شوید ، یادگیری کد اجباری است.
یک دوره پایه را از طریق اینترنت انتخاب کرده و طی چند ماه با اراده و مستمر آموزش آن را دنبال کنید.نیاز نیست در آن زبان حرفه ای شوید . البته امتیاز بیشتر را زمانی گرفته اید که همزمان به آموزش علوم داده هم بپردازید. DataCamp برای این کار عالی است. اگرچه در بعضی مواقع سخت خواهد بود اما پیشنهاد من به شما یادگیری یک زبان برنامه نویسی مانند پایتون در راستای Data Science و همزمان با آن میباشد.
آنچه را که آموخته اید به محض امکان استفاده کنید.مهم نیست که چند دوره را گذرانده باشید ، مطمئنا هرگز 100٪ آماده نخواهید بود.
به هیچ وجه برای ایجاد رزومه حرفه ای و نشان دادن صلاحیت خودتان ، دوره های آموزشی زیاد را بدون شروع کار پشت سر نگذارید.این نکته ای است که اگربه گذشته برگشته و دوباره شروع میکردم ، تغییر میدادم. برای آموختن بیشتر کافیست پروژه خود را پیدا کنید تا در آن کار کنید و از طریق اشتباه و آزمون و خطا یاد بگیرید.
حرف زدن یک کودک 3 ساله را در نظر بگیرید. کلمات را دائما بیان میکند و منظور خود را میرساند اما نه تلفظ درستی دارد نه ساختار جمله و نه دستور زبان را صحیح بیان میکند. .ولی در نهایت زبان مادری را به طور کامل خواهد آموخت …
همه روزه دوره های زیادی درخصوص یادگیری ماشین برگزار می شود.که معمولا اکثر آنها عالی هستند و پیدا کردن یک دوره بی ارزش به ندرت رخ میدهد.اما از آنجا که منابع بسیاری وجود دارند، انتخاب آن ها جهت آموزش یادگیری ماشین دشوار است.
این موضوع دام دیگری است که می تواند شما را عقب نگه دارد.برای تحقیق بیشتر در این مورد ، من مدرک کارشناسی ارشد AI خود را نیز تهیه کردم . هیچ کس به اندازه خودتان نمیتواند تشخیص دهد کدام منبع یادگیری مناسب شما خواهد بود ولی به عنوان سرآمد ، سه منبعی که بیشتر با آنچه که من همه روزه انجام می دهم مطابقت دارد ، کتابهای یادگیری ماشین Hands-On ، دوره یادگیری ماشین fastai و علم داده کاربردی با دوره Python در Coursera است. پس بهتر است پس از تجربه چند ماه کار با پایتون، این موارد را علامت گذاری و از آن ها استفاده کنید.
احتمالا مقالات و تحقیقاتی را که هر روزه در مورد روش های جدید یادگیری ماشین منتشر می شود را زیاد دیده اید ..آنها را نادیده بگیر. هیچ راهی برای کنار آمدن با همه آنها وجود ندارد و فقط باعث می شود که پایه های یادگیری شما تنظیم نشود.
بسیاری از بهترین تکنیک های یادگیری ماشین حدود دهه ها ثابت بوده است. آنچه تغییر کرده افزایش قدرت محاسبات و در دسترس بودن داده ها است.
پس با روش های جدید منحرف نشوید.
اگر شروع می کنید ، ابتدا به تقویت پایه های خود بپردازید. سپس دانش خود را به اندازه ای که پروژه تان نیاز دارد گسترش داده و به روز کنید.
در 3 سالگی شما شروع به آموزش یادگیری زبان کردید .و در مدت دو سال ، شما از هیچ حرفی و کلمه ای به گفتگو با افرادی که برای ده ها سال صحبت می کردند ، رفتید. اما چطور؟
زیرا هرروز ناخواسته تمرین کردید. و بعد از مدتی به یادگیری بیشتر کنجکاو و علاقه مند شدید.
اگر در آموختن مهارتی هرروز1٪ بهتراز روز قبل شوید = 3700٪ در پایان سال بهتر شده اید.
اگر یک روز خسته و بی حوصله بودید ، مهم نیست ، طبیعیست و اتفاق می افتد. مهم این است وقتی دوباره امکانش بود از سر بگیرید.
آیا تاکنون موتورپیشنهاد دهنده ساخته اید؟
“”نه””
ما پروژه ای داریم که به این موتور نیاز دارد ، فکر می کنید می توانید آن را بنویسید؟
“مطمئنا”
من هم هرگز موتور توصیه ای نساخته بودم اما در طول یک هفته انجامش دادم و در حین انجام چیزهای جدید بسیاری آموختم.
“بیشتر مردم فکر می کنند که یادگیری پس از دبیرستان یا دانشگاه متوقف می شود که کاملا در اشتباهند .
اگر در کاری که قبلاً انجام داده اید ناکام باشید ، بد نیست.
مثلا شما تمام عمر خود را پیاده روی کرده اید اما خودتان را وقتی به زمین میخورید سرزنش نمی کنید.
این اتفاق از نظر شما طبیعیست و به پیاده روی خود ادامه میدهید .
پس چرا پذیرش ابهام و ناکامی در یک تجربه جدید که قبلاً هرگز آن کار را نکرده اید برایتان دشوار است ؟
ازدید من روند یادگیری ماشین به این صورت است :
سال اول: شما بسیاری ازچیزها را نمیدانید.
سال دوم: شما بهترازسال گذشته هستید اما احساس میکنید بیشترازقبل نیاز به آموختن دارید. زیرا می دانید
که تا چه اندازه نمی دانید!
سال سوم: آغوشتان را برای دنیایی از نادانسته ها بگشایید !
پس آیا سرزنش خود برای عدم اطلاع از چیزی به شما برای یادگیری بیشتر کمکی خواهد کرد؟
“هرگز”
یادگیری چیز جدید زمان بر بوده و درپروسه یادگیری هر روز، روز اول خواهد بود.
https://amanjacademy.com/thinking-of-learning-a-car-remember-these-6-things/
شما نیز تجربیات خود را در مسیر آموزش یادگیری ماشین با علاقه مندان و کسانی که تصمیم به شروع یادگیری دارند دربخش نظرات همین صفحه به اشتراک بگذارید.
