راهنمای یادگیری ماشین برای تازه کارها | قسمت دوم

یادگیری ماشین (ML) یکی از حوزه‌های پر طرفدار در سراسر جهان است که گوگل توجه ویژه‌ای به آن داشته و سرمایه فراوانی به آن اختصاص داده است. 

در قسمت قبلی مقاله در لیداوب با اطلاعات ابتدایی در مورد یادگیری ماشین یا Machine learning آشنا شدید و روش پیشنهادی برای شروع و کار با این علم در اختیار شما قرار داده شد. همچنین منابع معتبر و مشهوری که به طور کارآمد به توسعه دانش در این رابطه پرداخته بودند معرفی شد که می‌توانید با استفاده از آن‌ها تسلط نسبی به یادگیری ماشین دست یابید. اما گام بعدی چیست؟

تا اینجا یک دید کلی از یادگیری ماشین به دست آورده و نمونه‌هایی از آن را کار کرده‌اید. در این نقطه باید تصمیم بگیرید که می‌خواهید چه کنید. باید بتوانید مرحله بعدی خود را با توجه به علایق خود تعیین کنید؛ آیا می‌خواهید وارد رقابت‌های Kaggle شوید؛ بخش دوم Fast.ai را انجام دهید؛ عمیقا به ریاضیات بپردازید؛ به یادگیری در مورد فناوری‌های جدید بپردازید یا از یادگیری ماشین برای حل مشکلات و مسائل خود استفاده کنید.

همان طور که عنوان مقاله مشخص می‌کند این مقاله برای تازه‌کارها نوشته شده پس باید توسط فردی تازه کار نوشته می‌شود نه کسی که دکترا دارد، در مورد یادگیری ماشین کتاب نوشته یا ایده می‌دهد. تجربیات و دیدگاه‌هایی که در این مقاله عنوان می‌شود واقعی و بر اساس تجربه شخصی و با هدف پیشرفت در این حوزه جذاب و پیچیده است.

مرور دوره های یادگیری ماشین (ML)

در قسمت قبلی مقاله بخشی را به مراحل یادگیری اختصاص داده بودیم که شامل سه بخش شروع، آمادگی برای کار عملی و گسترش افق‌های دید بود که در هر بخش منابعی را به شما معرفی کرده بودیم. دوره‌هایی که در بخش شروع معرفی شد یک دید کلی و جامع از اصول بنیادین یادگیری ماشین در فرمتی مشارکت‌پذیر و تصویری ارائه می‌دهد. نکات مثبت این منابع کاربرپسندی بودن آن، رفع پیچیدگی‌ها از طریق مثال عملی ، ترفند و مفاهیم کلیدی، دسته بندی به سه بخش مبتدی، بیشتر بدانیم و متوسط و معرفی نخبه‌های حوزه یادگیری ماشین برای دنبال کردن و تجربه آموختن است.

در بخش دوم کتاب‌های پرفروش آمازون معرفی شده است که خواننده با مطالعه آن‌ها سریعا می‌تواند به حل مشکلات ساده از طریق یادگیری ماشین بپردازد و مهارت‌های خود را در این خصوص ارتقا دهد. از نکات مثبت این منابع می‌توان به معرفی کامل و مفصل یادگیری ماشین، ارائه مهارت‌های کاربردی و عملی، طرح پرسش‌های رایج و پاسخ آن‌ها، استفاده از مثال‌ها و تشبیهات برای درک بهتر آموزش‌ها، پرداختن به طیف گسترده‌ای از مدل‌های یادگیری ماشین و بسیاری از امکانات دیگر است.

منابعی که در بخش سوم معرفی شده به موضوعات گسترده‌ای در رابطه با یادگیری ماشین پرداخته و ابزارهای کاربردی و مفیدی را معرفی می‌کنند. این منابع مورد تایید و انتخاب بسیاری از دانشگاه‌های معتبر جهان بوده و مطالعه آن‌ها می‌تواند دید وسیعی از یادگیری ماشین را در شما ایجاد کند.

انگیزه و الهام برای یادگیری ماشین

وقتی در ابتدا به حوزه یادگیری ماشین وارد می‌شوید با موضوعاتی رو به رو خواهید شد که شگفتی شما را برانگیخته و از کار با این شاخه از هوش مصنوعی لذت می‌برید. هر چقدر که در این زمینه بیشتر مطالعه و کنکاش کنید با مطالب بیشتری برای یادگیری رو به رو خواهید شد. کم کم شروع به یادگیری آن کرده و مسائلی را با آن حل می‌کنید. وقتی کدهای شما اجرا شده و وظیفه تعریف شده انجام می‌شود، احساس خوبی خواهید داشت که انگیزه پیشروی شما در حوزه یادگیری ماشین است. یادگیری ماشین می‌تواند کمک زیادی به کاهش هزینه‌های عملیاتی و افزایش سرعت تجزیه و تحلیل داده‌ها کند. در صنایع مختلف از این حوزه استفاده می‌کنند تا نتایج بهینه‌ای به دست آورند. به نظر می‌رسد جهان در آینده در سیطره ماشین‌ها و روبات‌ها قرار داشته باشد و انسان‌ها وظیفه کنترل و مدیریت ماشین‌ها را بر عهده داشته باشند. شاید وقت آن رسیده که هوش مصنوعی و روبات‌ها را کمی جدی‌تر بگیریم و از قدرت آن‌ها برای تسهیل زندگی بشری استفاده کنیم.