Поверьте, что вы можете, и вы уже на полпути.
— Теодор Рузвельт
«Лучший способ научиться машинному обучению — СДЕЛАТЬ ЭТО».
Честно говоря, когда я впервые услышал слово «Машинное обучение», я понятия не имел, что это такое. Я не был достаточно зрелым, чтобы понимать вещи, гугая об этом, я понял, что это были модные словечки преимущественно в большинстве доменов.
Что заставило меня изучить машинное обучение?
Будучи любопытным и увлеченным изучением технологий, вы должны согласиться с тем фактом, что оставаться в курсе событий — это ключ к успеху. Мне всегда было интересно, как работают технологии в персонализированных продуктах, фильмах и видеорекомендациях?
Как помощники, такие как Cornata, Alexa и Google Assistant, распознают мою речь? Как классифицируются электронные письма на спам и не спам? Как Facebook или Instagram предлагают автоматическую пометку друзей? Как Google прогнозирует трафик, погоду и другие переменные…
Где я научился машинному обучению?
Когда я начал искать ресурсы, меня засыпало избытком. Было слишком много разных мнений. На самом деле мне потребовалось больше времени, чтобы выбрать или придерживаться определенного структурированного ресурса.
Мы называем это машинным обучением, потому что мы не говорим машине, что делать, а учим машину, как это делать.
Артур Сэмюэл ввел термин «машинное обучение» в 1959 году и определил его как «область исследования, которая дает компьютерам возможность учиться без явного программирования».
Принятие фактов: возможно, вам стоит согласиться с этой фразой: «Машинное обучение — это математика».
Пошаговое достижение:
● Для более глубокого понимания концепций и алгоритмов машинного обучения необходимы некоторые фундаментальные математические знания. Поэтому я начал изучать линейную алгебру, исчисление и вероятность вместе со статистикой.
● Постепенно готовясь к своему путешествию, я выбрал Python в качестве языка программирования для реализации, потому что Python было легко кодировать, он удобен для начинающих и компактен.
● Наконец, в технологии, где я начал понимать типы машинного обучения, алгоритмы и, самое главное, понимать технические термины, такие как функции, метка, модель, набор данных, обучение, тестирование, прогнозирование…
Заключение
Постепенно превратившись из новичка в профессионала благодаря пониманию различных алгоритмов и использованию отраслевого опыта, я реализовал несколько возможных небольших проектов в реальном мире.
Я помню, как я был взволнован, когда впервые начал использовать машинное обучение для прогнозирования. цены на жилье и радость предсказания будущей стоимости.
Я хотел бы дать ссылку на ресурс, которым пользовался, но я хотел, чтобы вы следовали своим путем, поэтому
Многое исследуйте….Узнайте много….и реализуйте многое
