Первый шаг к машинному обучению!

АИ НОВАЯ ЭЛЕКТРОЭНЕРГИЯ

Как указано выше, утверждение изо дня в день уместно, и буквально любые компании до 2025 года не имеют конвейера искусственного интеллекта в своей отрасли.

В Индии ощущается нехватка разработчиков ИИ, специалистов по машинному обучению и науке о данных.

Как показано на графике выше, уровень спроса разработчиков ML.

Источник

https://www.forbes.com/sites/louiscolumbus/2018/01/12/10-charts-that-will-change-your-perspective-on-artificial-intelligences-growth/amp/

Для большего изменения в перспективе вы можете перейти по ссылке выше.

Но что нужно, чтобы стать одним из них.

Увеличение спроса не означает, что предложение также увеличилось.

В Индии огромное количество людей склоняется к этой области, и многие из них утверждают, что знают об машинном обучении, и эта ложная снисходительность также побудила компании выбрать подходящего человека для этой должности.

Но лично я бы сказал, что никогда не претендует на вещи, которые вы не знаете подробно, когда вы выбираете карьеру.

Так много студентов / юниоров задавали мне вопрос «как начать», поэтому сегодня я пишу этот блог для тех, кто немного запутался.

Итак, что такое машинное обучение, почему машинное обучение, вы можете обратиться ко многим блогам в интернете.

В этом блоге я расскажу вам только о том, как следовать дорожной карте, чтобы охватить все аспекты машинного обучения.

поэтому в основном машинное обучение можно классифицировать тремя способами.

• Контролируемое обучение
• Неконтролируемое обучение
• Усиление обучения

Img source:https://i.imgur.com/rY1jjwx.png

Так что это вещи, которые вы должны скрыть, чтобы стать специалистом по машинному обучению.

Итак, каковы основные требования, чтобы начать все, что упомянуто выше.

Итак, простые шаги для подражания:

• Python (не за уровень знаний)
• Библиотеки (Numpy, pandas, matplotlib)
• Математика (статистика, исчисление, вероятность)
• Алгоритмы (контролируемые, неконтролируемые)
• Руки на наборы данных (Kaggle, UCI)
• Практикуйтесь как можно больше (проекты)
• Найти наставника
• Персональный брендинг (LinkedIn, средний, встречи)

Так что, если вы будете следовать приведенной выше дорожной карте, это определенно выделит вас из толпы.

Но убедитесь, что вы должны быть глубоко в курсе алгоритмов, которые вы применяете для своих моделей.

Я также предоставляю ссылки, откуда вы можете начать свое путешествие.

• питонhttps://www.practicepython.org/
• Numpyhttps://www.guru99.com/numpy-tutorial.html
• Пандыhttps://www.learnpython.org/en/Pandas_Basics
• Matplotlibhttps://matplotlib.org/3.1.1/tutorials/introductory/pyplot.html
• Scikithttps://scikit-learn.org/stable/
• Статистикаhttps://machinelearningmastery.com/statistics-for-machine-learning-mini-course/
• Вероятностьhttps://machinelearningmastery.com/probability-for-machine-learning/
• Исчислениеhttps://ml-cheatsheet.readthedocs.io/en/latest/calculus.html
• А для алгоритмов вы можете пройти через многие курсы, доступные в Интернете, личные фавориты этоhttps://www.udemy.com/course/machinelearning/summary/
• Эндрю нгhttps://www.youtube.com/playlist?list=PLLssT5z_DsK-h9vYZkQkYNWcItqhlRJLN

И это все для дорожной карты, это будет ваш первый шаг к машинному обучению, и, наконец, я бы сказал, что это не слишком легко, но и это не так сложно.

А для получения дополнительной информации и прямого доступа к учебным материалам вы можете связаться со мной в моих социальных сетях, упомянутых ниже.

• LinkedInhttps://www.linkedin.com/in/piyushrai558
• WhatsApp(+91 7068445448)
• Эл. почта(Piyushrai558@gamil.com)
• За рефералом профиля Ментора следуйте за мной в Twitterhttps://twitter.com/piyushrai256

Наконец, наслаждайтесь машинным обучением.

Если этот блог полезен для вас, пожалуйста, оцените его с хлопком ».

Оригинальная статья