راهنمای یادگیری ماشین برای تازه کارها | قسمت اول

یادگیری ماشین (ML) در سراسر جهان به طور چشمگیری افزایش یافته است و جامعه سئو هم از این تمایل همه‌گیر به این حوزه مستثنی نیست.


درک یادگیری ماشین ‌می‌تواند درک ما از چالش‌ها و روش‌هایی که مهندسان گوگل با آن رو به رو هستند را افزایش داده و در عین حال، ذهن ما را به سوی کاربردهای بیشتر یادگیری ماشین باز کند. مزایای کسب درک کلی از یادگیری ماشین شامل موارد زیر است:

- همدلی با مهندسانی که دائما در تلاش برای ایجاد بهترین نتایج برای کاربران هستند

- درک مشکلاتی که ماشین‌ها حل می‌کنند، توانایی‌های فعلی ماشین‌ها و اهداف دانشمندان برای آینده

- درک اکوسیستم رقابتی میان کمپانی‌ها در استفاده از یادگیری ماشین برای ایجاد نتایج مطلوب خود

- آماده‌سازی خود برای آنچه که رهبران بسیاری از صنایع آن را تغییر عظیم در جامعه می‌نامند

- درک مفاهیم ابتدایی که اغلب در تحقیقات آشکار می‌شوند (مثل تحقیقات گوگل در مورد مغز انسان)

- رشد فردی و گسترش افق‌های دید (احتمالا از یادگیری ماشین بسیار لذت ببرید)

- وقتی کدها اجرا شده و داده‌ای تولید شود، احساس رضایتمندی و قدرت به شما دست می‌دهد (حتی اگر نتیجه خیلی کوچکی به دست آورید)

من یک سال را صرف شرکت در دوره‌های آنلاین، مطالعه کتاب و درک یادگیری ماشین کرده‌ام. این مقاله هم حاصل تلاش یک ساله است که در آن از ۱۷ منبع یادگیری ماشین (شامل دوره‌های آموزشی آنلاین، کتاب‌ها، دستورالعمل‌ها، کنفرانس‌ها و غیره) استفاده شده و منابع محبوب و شناخته شده یادگیری ماشین که در وب موجود است با هم مقایسه شده‌اند.

این مقاله برای افرادی نوشته شده است که به یادگیری ماشین علاقمند بوده و می‌خواهند زمان یادگیری خود را به نحو موثری صرف کنند. برای هر یک از این منابع بیش از ۵۰ ساعت زمان صرف شده است. هدف ما در اینجا این است که منبعی را بیابید که به بهترین شکل با سبک یادگیری شما منطبق باشد. امیدوارم این تحقیق برای شما مفید بوده و با نظرات خود در انتهای مقاله ما را برای ایجاد مطالب کارامدتر همراهی کنید.

برنامه پیشنهادی لیداوب برای یادگیری ماشین

برای آنکه بتوانید به بهترین شکل به یادگیری ماشین بپردازید روش‌های مختلفی وجود دارد. روش پیشنهادی لیداوب به صورت زیر است.

۱. شروع کنید (تقریبا ۶۰ ساعت)

با محتواهای کوتاهی که برای افراد مبتدی تهیه شده‌اند شروع کنید. این کار به شما اجازه می‌دهد با صرف کمترین زمان ممکن، شمای کلی از آنچه که قرار است یاد بگیرید را به دست آورید.

- سه ساعت را به منبع Jason Maye’s Machine Learning 101 slidedeck اختصاص دهید که حاصل دو سال کشمکش با مبحث یادگیری ماشین است و تجربیات ارزشمندی را در اختیار شما قرار خواهد داد.

- دو ساعت را به تماشای Google’s ML Recipes with Josh Gordon YouTube Playlist اختصاص دهید

- در خبرنامه Machine Learnings اثر Sam DeBrule’s ثبت نام کنید

- دوره های Machine Learning Crash Course گوگل را بگذرانید

- به پادکست‌های آموزشی OCDevel’s Machine Learning Guide Podcast گوش دهید

- دو روز را به کار کردن با Kaggle’s Machine Learning Track part 1 اختصاص دهید

۲. آماده کار عملی شوید (تقریبا ۸۰ ساعت)

یادگیری ماشین

در این نقطه دانشجوها به سطح علاقمندی خود پی می‌برند. در این بخش به کار با محتوایی بپردازید که تمرکز آن بر به کارگیری سریع دانش مربوطه است.

- هفته ای ده ساعت را به مدت هفت هفته به کار با Fast.ai بپردازید. اگر دوست یا راهنمایی دارید که بتواند به شما کمک کند قطعا پیشرفت بهتری را شاهد خواهید بود.

- دو فصل اول کتاب Hands-on Machine Learning with Scikit-Learn را مطالعه کرده و سپس آن را به عنوان مکمل Fast.ai استفاده کنید

۳. افق های خود را گسترش دهید (حدودا ۱۱۵ ساعت)

اگر از عهده بخش قبل به طور کامل برآمدید و هنوز هم تشنه یادگیری و دانش هستید، به گسترش افق‌های دید خود ادامه دهید. محتوایی را مطالعه کنید که تمرکز آن بر روی آموزش گستره کاربرد یادگیری ماشین باشد یعنی دید شما را به روی اهدافی که یادگیری ماشین دنبال می‌کند، بازتر کند.

- شروع به تماشای ویدیو‌های Udacity’s Intro to Mahine Learning از سباستین ترون و کیتی مالون کنید

- اگر می‌توانید در دوره‌های آنلاین یادگیری ماشین اندرو ان جی شرکت کنید

منابعی که در این قسمت از مقاله آورده شده عموما در اینترنت موجود بوده و با کمی دانش انگلیسی می‌توانید از آن‌ها استفاده کنید. البته به یاد داشته باشید که این منابع صرفا برای نمونه بوده تا روش کلی آن را فرا بگیرید. می‌توانید نمونه‌هایی که بیشتر به سبک یادگیری شما نزدیک است را انتخاب کنید. با لیداوب در قسمت بعدی مقاله همراه باشید.