AI και ML: Πώς να ξεκινήσετε

Όταν το φόντο κωδικοποίησης τείνει στο μηδέν

Θα πρέπει να δείτε τα βλέμματα που έχω όταν λέω στους ανθρώπους τι κάνω για να ζήσω. Με μια συγκεχυμένη συστροφή του προσώπου, ζητούν επιβεβαίωση, "Τι κάνετε;" Γελώ και απαντήστε, "Όπως είπα, είμαι εκπαιδευτικός σχεδιαστής".

Λοιπόν, ένας Εκπαιδευτικός Σχεδιαστής ή Σχεδιαστής Εκπαιδευτικής Εμπειρίας είναι ένας ταλαντούχος επαγγελματίας που δημιουργεί σχέδια μάθησης, μαθήματα μάθησης και θετικές εμπειρίες μάθησης, ενώ στέκεται πίσω από εκπαιδευτικά προγράμματα.

Ενώ είμαι ένας τεράστιος ανεμιστήρας του επαγγέλματός μου, είμαι επίσης ένας τεράστιος ανεμιστήρας της καινοτομίας. Η διεκδίκηση του εαυτού σας ως "καινοτόμου" στην σημερινή εποχή χωρίς να γνωρίζετε το AI είναι δύσκολο, χωρίς αμφιβολία. Το AI προσελκύει τους πιο έξυπνους ανθρώπους, τις μεγαλύτερες επενδύσεις και τους Innovators σαν κι εμένα.

Δυστυχώς για λίγο, πριν στρίψω το χέρι μου στο AI. Θα έλεγα στον εαυτό μου πράγματα όπως "Δεν είσαι αρκετά έξυπνος", "Δεν έχεις εμπειρία κωδικοποίησης", "Ξεχάσατε όλα τα προγράμματα σχολικών μαθηματικών". Τότε ανακάλυψα το άρθρο του Daniel Bourke, το οποίο με ενέπνευσε να ξεκινήσω.

Ως ειδικός σχεδιαστής εκμάθησης, δεν ήθελα να πληρώσω ένα bootcamp για να κάνω τη δουλειά μου για μένα. Έπρεπε να παρακολουθήσω τη δική μου μάθηση, από τη δημιουργία του δικού μου προγράμματος σπουδών στην αξιολόγηση της προσωπικής μου προόδου. Έπρεπε να δοκιμάσω πώς οι ικανότητες μάθησης σχεδιαστών θα με βοηθούσαν στη μάθηση AI και ML.

Ο στόχος μου είναι απλός: Να μαθαίνω AI για 12 μήνες, 2 ώρες κάθε μέρα. Θα ξεκινήσει την 1η Ιανουαρίου 2020 και θα σταματήσει στις 31 Δεκεμβρίου 2020.

Τώρα, ενώ είναι εύκολο να θέλετε να πηδήσετε δεξιά στην ευκαιρία αυτής της ευκαιρίας, αυτό το έργο είναι εξαιρετικά συναρπαστικό στην αρχή και παίρνει λιγότερο φωτεινό και ροζέ μόλις σκεφτείτε το πραγματικό σχέδιο δράσης. Στη συνέχεια, ο πανικός μπαίνει μέσα. Μπορείτε να ρωτήσετε τον εαυτό σας ερωτήσεις όπως: "Τι πρέπει να κάνω πρώτα;" "Ποια μαθήματα θα πρέπει να πάρω;" "Ποια βιβλία πρέπει να διαβάσω;" "Ποια γλώσσα προγραμματισμού χρησιμοποιείται;" "Πόσο μαθηματικά εμπλέκονται;" Ο ιδρώτας θα συγκεντρωθεί στο μέτωπό σας, το στήθος θα γίνει πιο στενό ...

Οι σχεδιαστές μάθησης αρχίζουν με τον καθορισμό του σημερινού επιπέδου του κοινού-στόχου, μαζί με τους στόχους τους, κατά τη δημιουργία ενός προγράμματος εκμάθησης. Αυτό είναι απαραίτητο για ένα ποιοτικό πρόγραμμα μάθησης και πρέπει να είναι το σημείο για να ξεκινήσει αν αυτό είναι καινούργιο.

Ορίστε το τρέχον επίπεδο και τους στόχους σας

Αρχικά, σκεφτείτε το σημείο εκκίνησης. Για παράδειγμα, είμαι πολύ καλός με τους αριθμούς και πάντα είμαι. Στο γυμνάσιο, ήμουν κορυφή της τάξης των μαθηματικών. Αλλά τελείωσα το σχολείο οκτώ χρόνια πριν, και έχω ξεχάσει σχεδόν όλες τις μαθηματικές έννοιες, ακόμα και τον πίνακα πολλαπλασιασμού!

Τελείωσα το σχολείο στη Ρωσία και ποτέ δεν μίλησα για τα μαθηματικά στα αγγλικά. Σκέφτηκα ότι θα μου χρειαστεί τουλάχιστον ένας ολόκληρος μήνας για να αναθεωρήσω το πρόγραμμα μαθηματικών μαθημάτων και να βελτιώσω το λεξιλόγιο μου στα μαθηματικά. Εάν είστε ένας αγγλικός ομιλητής με καλή αντίληψη περίπλοκων μαθηματικών εννοιών, θα μπορούσατε να ξεκινήσετε αμέσως.

Το επίπεδό σας είναι ο νούμερο ένα παράγοντας για την πορεία εκμάθησης του AI, οπότε αξίζει να αφιερώσετε λίγες ώρες για να περιγράψετε το σημείο εκκίνησης σας με όσο το δυνατόν περισσότερες λεπτομέρειες.

Τι πρέπει να λάβετε υπόψη:

  • Πόσο μακριά οι γνώσεις σας τείνουν στα μαθηματικά; Να είστε συγκεκριμένοι.
  • Η εμπειρία προγραμματισμού, ακόμα και αν δεν είναι η Python.
  • Γενική κατανόηση του AI.

Ελέγξτε το παράδειγμα μου για έμπνευση.

Στη συνέχεια, ορίστε ένα στόχο. Χωρίς συγκεκριμένο μαθησιακό στόχο, δεν θα πάτε πουθενά.

Είναι σημαντικό να διατυπώνετε τους στόχους σας με ρήματα δράσης. Για παράδειγμα, ο στόχος μου είναι να βρω δουλειά στην επιστήμη των δεδομένων. "Λάβετε μια δουλειά" είναι ένα ρήμα δράσης. Είναι επίσης ένας μετρήσιμος στόχος. Δηλαδή, μπορώ να αξιολογήσω την επιτυχία μου ενάντια σε αυτόν τον στόχο: Θα πετύχω το καλύτερο αν έχω μια δουλειά μέσα σε ένα χρόνο, λίγο λιγότερο αν πάρω δουλειά μέσα σε ενάμιση χρόνο. Θα αποτύχω αν δεν πάρω δουλειά καθόλου.

Συγκρίνετε αυτό με τον ακόλουθο στόχο: "Μάθετε βασικές έννοιες AI".

Αυτός δεν είναι ένας πολύ καλός στόχος μάθησης. Δεν περιγράφει λεπτομερώς τις βασικές έννοιες του AI και η επιλογή ρήματος υποδηλώνει ότι μαθαίνετε για να μάθετε. Αλήθεια, δεν μαθαίνουμε ποτέ για να μάθουμε: μαθαίνουμε να έχουμε περισσότερα εγωιστικά οφέλη. Μαθαίνουμε να κερδίσουμε περισσότερα χρήματα, να αυξήσουμε την αυτοεκτίμησή μας, να πάρουμε μια πιο ενδιαφέρουσα δουλειά, να πάρουμε ένα δίπλωμα, να εντυπωσιάσουμε τους γονείς ή τους φίλους μας και ούτω καθεξής. Αλλά ποτέ δεν μαθαίνουμε για τον τελικό στόχο της μάθησης.

Σκεφτείτε γιατί χρειάζεστε AI, βραχυπρόθεσμα και μακροπρόθεσμα. Να είστε ειλικρινείς με τον εαυτό σας και να γράφετε αυτό το στόχο κάτω.

Ο βραχυπρόθεσμος στόχος μου είναι να αποκτήσω μια θέση στην επιστήμη των δεδομένων επειδή:

  • Πρώτον, πληρώνεται περισσότερο από μια εργασία στην εκπαίδευση.
  • Και δεύτερον, μου αρέσει η νοοτροπία των προγραμματιστών και θέλω να είμαι μέλος της επαγγελματικής τους ομάδας.

Ο μακροπρόθεσμος στόχος μου είναι να εφαρμόσω τη γνώση του AI για να οικοδομήσουμε μια εκκίνηση AI στην εκμάθηση και την ανάπτυξη.

Φυσικά, αυτοί οι στόχοι μπορεί να αλλάξουν με το χρόνο. αλλά πριν αλλάξουν, θα με οδηγήσουν μέσα από τον ωκεανό της αβεβαιότητας της εκμάθησης.

Αφού καθορίσετε τον τελικό στόχο σας, γράψτε μια λίστα υπο-στόχων για να βοηθήσετε στην επίτευξη του τελικού σας στόχου. Αυτά μπορεί να είναι:

  • Αναθεωρήστε το πρόγραμμα σχολικής άλγεβρας.
  • Γνωρίστε τη σύνταξη της Python.
  • Ολοκλήρωση πορείας Pydon Udacity.

Για μια ακόμη φορά, αποφύγετε τα ρήματα «μάθετε» και «καταλαβαίνετε» και βεβαιωθείτε ότι οι υπο-στόχοι είναι μετρήσιμοι. Για παράδειγμα:

  • Κοίταξα τις μισές έννοιες της σχολικής άλγεβρας.
  • Μπορώ να ορίσω τουλάχιστον 10 ιδιότητες της σύνταξης του Python.
  • Τελείωσα το 70% της πορείας Udacity Python.

Μόλις είστε βέβαιοι για το τρέχον επίπεδο και τον μαθησιακό σας στόχο, ήρθε η ώρα να χτίσετε το σχέδιο μάθησης. Αυτό είναι το πιο δύσκολο κομμάτι ...

Πόσο γήινα χτίζω μια διαδρομή εκμάθησης AI όταν δεν γνωρίζω τίποτα για την AI;

Όταν σκέφτεστε, οι άνθρωποι πληρώνουν χιλιάδες δολάρια για την εκπαίδευση. Γιατί;

  • Επειδή τα πανεπιστημιακά προγράμματα δίνουν δίπλωμα.
  • Επειδή τα πανεπιστημιακά προγράμματα δίνουν έναν οδηγό βήμα προς βήμα για το τι πρέπει να κάνουμε.

Και η τελευταία είναι πολύ σημαντική. Στην πραγματικότητα, όταν οι σχεδιαστές μάθησης δημιουργούν ένα πρόγραμμα μάθησης, αρχίζουν να μελετούν το θέμα από το Α έως το Ζ. Όταν πρόκειται για μια 20λεπτη πορεία σε μια συγκεκριμένη ηλεκτρική εγκατάσταση, δεν είναι τόσο οδυνηρό. Ωστόσο, αν χρειαστεί να δημιουργήσετε ένα πρόγραμμα ενός έτους για ένα τόσο ευρύ πεδίο όπως το AI, καλά, καλή τύχη ...

Ως αυτοδίδακτος, βρίσκεστε σε μια πολύ μειονεκτική θέση επειδή δεν έχετε ιδέα για το τι είναι το ΑΙ, αλλά πρέπει να δημιουργήσετε ένα πρόγραμμα σπουδών προτού αρχίσετε να μαθαίνετε.

Αυτό είναι πάρα πολύ ένα "Ποιο ήταν το πρώτο; Το κοτόπουλο ή το αυγό; " στιγμή. Ένα φιλοσοφικό δίλημμα χωρίς λύση. Ένας άπειρος βρόχος. Μεγάλο πρόβλημα.

Τα καλά νέα είναι ότι υπάρχουν κάποια πίσω σοκάκια, έτοιμα για να ανακαλύψετε.

Δανείζομαι

Δανεισμός προγραμμάτων διδασκαλίας από πανεπιστήμια, bootcamps, ανθρώπους που έχουν ήδη περάσει από τη διαδικασία. Αυτό είναι δωρεάν, και αυτό θα σας δώσει την πρώτη εικόνα για το τι πρέπει να μάθετε.

Έλεγξα αυτά τα προγράμματα σπουδών για να ορίσω σημεία πυλώνων (αλλά υπάρχουν πολλά περισσότερα!):

  • Sussex Computer Science και AI
  • Strathclyde Τεχνητή Νοημοσύνη & Εφαρμογές
  • UCL Machine Learning
  • Σαν Φρανσίσκο

Βρήκα επίσης αυτό το χρήσιμο:

  • Εδώ Siraj Raval παρουσιάζει τα συστατικά της AI μάθησης και προτείνει online μαθήματα σε μια λογική σειρά.
  • Ο Daniel Bourke δίνει μια θαυμάσια περιγραφή της εμπειρίας του.
  • Εδώ, ο Rodrigo Beceiro παραθέτει τομείς AI στο τμήμα "Τεχνητή Νοημοσύνη".

Ο πίνακας My Trello δείχνει τα καθήκοντα που επιλέγω να κάνω κάθε εβδομάδα και περιλαμβάνει μαθήματα και άλλα υλικά που ακολουθώ.

Μια άλλη πιθανή πηγή πληροφοριών είναι η AI Meetups. Αυτοί οι Meetups συγκεντρώνουν εκατοντάδες ανθρώπους. Σε αυτό το δυναμικό πλήθος AI-γεμισμένων εγκέφαλων, θα βρείτε πολύ ευγενικούς και συναρπαστικούς ανθρώπους που χαίρονται να μοιραστούν συμβουλές μαζί σας. Ρώτα τους:

  • "Από τι ξεκινήσατε;"
  • "Ποιους πόρους για αρχάριους μπορείτε να συμβουλεύετε;"
  • "Ποιες είναι οι κύριες έννοιες;"
  • "Για έναν καφέ;"

Θα 1) θα λάβετε από πρώτο χέρι συμβουλές από ειδικούς και 2) θα κάνετε σημαντικές συνδέσεις.

Τέλος, ελέγξτε τις απαιτήσεις εργασίας Data Scientist σε οποιαδήποτε θέση εργασίας για να μάθετε ποιες δεξιότητες αναμένονται από εσάς.

Εξαλείφω

Όταν κάνω μαθήματα ηλεκτρονικής μάθησης για μεγάλες επιχειρήσεις, οι πελάτες μου συχνά θέλουν να συμπεριλάβουν όσο το δυνατόν περισσότερες πληροφορίες. Δεν υπάρχει ποτέ αρκετή μάθηση, έτσι; Η αλήθεια είναι ότι οι μεγάλες ποσότητες πληροφοριών κατακλύζουν τους φρέσκους μαθητές, γεγονός που μπορεί να τους προκαλέσει την απόσυρση. Ο χρυσός κανόνας ενός εκπαιδευτικού (και αν το διαβάζετε αυτό, είστε αυτοδιδάσκαλος) είναι να εξαλείψετε όσο το δυνατόν περισσότερο. Θυμάστε τι είπε ο Tim Ferris για την αποτελεσματικότητά του; Ακριβώς, ΑΠΟΛΥΜΑΤΕ.

Για παράδειγμα, όταν έψαχνα πανεπιστημιακά προγράμματα σπουδών, βρήκα μια ενότητα που ονομάζεται «Το φάντασμα στη μηχανή;», για τη γνωστική και τη νευροφυσιολογία. Έχω προσωπικό ενδιαφέρον για τη γνώση, οπότε το πρώτο μου ένστικτο ήταν να συμπεριλάβω αυτήν την ενότητα στο πρόγραμμα σπουδών μου. Ωστόσο, μια μικρή λογική σκέψη με οδήγησε στη σκέψη: "Η γνώση δεν θα σας φέρει στο στόχο σας, που είναι να μάθετε τον AI για 12 μήνες και να αποκτήσετε μια δουλειά".

Αυτό δεν σημαίνει ότι δεν πρέπει να μάθετε τη γνώση. Βεβαιωθείτε ότι η γνώση είναι σύμφωνη με τον κύριο στόχο σας προτού προχωρήσετε.

Διατηρήστε το Εύκαμπτο

Όσο περισσότερο επεκτείνετε και μεγαλώνετε στη μάθηση σας, τόσο περισσότερο θα ανακαλύψετε νέα πεδία, θα πείτε σημαντικά από λιγότερο σημαντικά, θα διαμορφώσετε το ενδιαφέρον σας και θα προσδιορίσετε τα πλεονεκτήματα και τις αδυναμίες σας. Τα πράγματα που θέλετε να μάθετε και να εξερευνήσετε θα αλλάξουν με την πάροδο του χρόνου, όπως και οι εποχές.

Όταν σκέφτομαι το μέλλον, δεν είμαι σίγουρος πότε θα πρέπει να αρχίσω να διαβάζω ένα βιβλίο για βαθιά μάθηση. Πριν μάθω την πιθανότητα; Ταυτοχρόνως μαζί του ή μετά; Ούτε γνωρίζω πότε να μάθω Tensorflow γιατί δεν γνωρίζω καν τι είναι. Μπορώ μόνο να ορίσω τα πρώτα μου βήματα, τα οποία είναι κυρίως:

  • Μάθετε Python
  • Αναθεωρήστε την άλγεβρα
  • Κάντε μια σειρά μαθημάτων αρχαρίων Data Science (ένα από αυτά που συμβουλεύονται οι γκουρού)
  • Διαβάστε AI, μια σύγχρονη προσέγγιση

Ένα από αυτά, ίσως ένα μάθημα Data Science, θα αποκαλύψει το επόμενο βήμα μου. Για παράδειγμα, μπορεί να αναφέρει το Tensorflow και να εξηγήσει για ποιο λόγο πρόκειται και ίσως να το θέσω και στο πρόγραμμα σπουδών του επόμενου μήνα.

Για αυτόν ακριβώς τον λόγο, δεν δημιούργησα ένα σταθερό πρόγραμμα σπουδών με οδηγίες βήμα προς βήμα. Αυτά τα προγράμματα σπουδών γίνονται σε πανεπιστήμια και bootcamps, από εμπειρογνώμονες που έχουν AI στα χέρια τους. Δεν το κάνουμε, επομένως πρέπει να διατηρήσουμε τα προγράμματα σπουδών μας ευέλικτα και ανοιχτά, επιτρέποντας την προσαρμογή.

Η λύση που βρήκα για τον εαυτό μου:

  • Συγκέντρωσα έναν κατάλογο με τα σημαντικότερα σημεία μάθησης στο AI, δανεισμένα από πανεπιστημιακά προγράμματα σπουδών και γκουρού AI.
  • Επιλέγω εκείνα που πρέπει να ξεκινήσω.
  • Σχεδιάζω μαθησιακές εργασίες για τον επόμενο μήνα.
  • Όταν καταλαβαίνω τι πρέπει να μάθω στη συνέχεια, ενημερώνω το συμβούλιο Trello με συναφή καθήκοντα.

ανακεφαλαιώσουμε

  1. Καθορίστε λεπτομερώς το σημείο εκκίνησης.
  2. Ορίστε τον κύριο στόχο και τους υποκείμενους στόχους μάθησης (σύμφωνα με τον κύριο στόχο).
  3. Δημιουργήστε ένα αναλυτικό πρόγραμμα σπουδών:
  • Καθορίστε σημαντικά πεδία και έννοιες: δανειστείτε από πανεπιστήμια, εκκλησιαστικές εκκλησίες και γκουρού. πηγαίνετε στο Meetups. ελέγξτε τις απαιτήσεις εργασίας σε πίνακες εργασίας.
  • Εξαλείψτε τις ευχάριστες πληροφορίες και διατηρήστε μόνο τις απαραίτητες γνώσεις.
  • Σχεδιάστε ένα μήνα και διατηρήστε την ευέλικτη. Χρησιμοποιήστε το Trello ή εναλλακτική λύση για βοήθεια.