AI و ML: چگونه شروع کنیم

هنگامی که زمینه کدگذاری شما به صفر می رسد

وقتی به مردم می گویید برای زندگی چه کاری انجام می دهم ، باید نگاه های من را ببیند. با یک پیچ و تاب و سردرگمی صورت ، آنها درخواست تأیید می کنند ، "شما چه کاری می کنید؟" می خندم و جواب می دهم ، "همانطور که گفتم ، من یک طراح آموزش هستم".

خوب ، یک طراح آموزشی یا همان طراح تجربه یادگیری ، یک حرفه ای با استعداد است که ضمن پشت سر گذاشتن برنامه های آموزشی ، برنامه های یادگیری ، دوره های یادگیری و تجربیات مثبت یادگیری را ایجاد می کند.

در حالی که من طرفدار بزرگی از حرفه خودم هستم ، اما من نیز طرفدار بزرگی از نوآوری هستم. بدون شک ادعای خود به عنوان "نوآور" در روز و عصر امروز بدون دانستن هوش مصنوعی دشوار است. هوش مصنوعی باهوش ترین افراد ، بزرگترین سرمایه گذاری ، و مبتکرانی مثل من را جذب می کند.

قبل از اینکه دستم را به هوش مصنوعی برسانم مدتی دریغ کردم. من به خودم چیزهایی می گفتم ، "شما به اندازه کافی باهوش نیستید" ، "هیچ تجربه کدگذاری ندارید" ، "همه برنامه های ریاضی مدرسه را فراموش کرده اید". سپس مقاله دانیل بورک را کشف کردم که برای شروع کار الهام بخش من بود.

به عنوان یک طراح یادگیری متخصص ، من نمی خواستم برای انجام کار خودم برای من یک چکمه کاری بپردازم. من مجبور شدم یادگیری خودم را بگیرم ، از ایجاد برنامه درسی خودم تا ارزیابی پیشرفت یادگیری خودم. مجبور شدم آزمایش کنم که چگونه مهارت های Designer Designer به من در یادگیری هوش مصنوعی و ML کمک می کند.

هدف من ساده است: برای یادگیری هوش مصنوعی به مدت 12 ماه ، هر روز 2 ساعت. برای شروع از اول ژانویه سال 2020 و پایان در 31 دسامبر سال 2020.

حال ، اگرچه می خواهیم از این فرصت به راحتی پرش کنیم ، این کار در ابتدا بسیار هیجان انگیز است و به محض اینکه به برنامه واقعی عمل فکر کردید ، روشن تر و صورتی کمتری می شود. سپس هراس شروع می شود. شما ممکن است از خودتان سؤالاتی بپرسید ، "اول باید چه کاری انجام دهم؟" "کدام دوره ها را باید بگذرانم؟" "کدام کتاب ها را باید بخوانم؟" "از چه زبان برنامه نویسی استفاده می شود؟" "چقدر ریاضی دخیل است؟" عرق کردن روی پیشانی ، سینه محکم تر می شود ...

طراحان یادگیری در هنگام ایجاد یک برنامه یادگیری با تعیین سطح فعلی مخاطب هدف ، همراه با اهداف خود ، شروع می کنند. این یک برنامه درسی برای یادگیری با کیفیت است و اگر همه این موارد جدید باشد باید محلی برای شروع آن باشد.

سطح و اهداف فعلی خود را تعریف کنید

ابتدا به نقطه شروع خود فکر کنید. به عنوان مثال ، من با اعداد خیلی خوب هستم و همیشه بوده ام. در دبیرستان ، من در کلاس ریاضی برتر بودم. اما هشت سال پیش مدرسه را تمام کردم و تقریباً تمام مفاهیم ریاضی ، حتی جدول ضرب را فراموش کرده ام!

من مدرسه را در روسیه به پایان رساندم و هرگز در مورد ریاضی به زبان انگلیسی صحبت نکردم. فهمیدم حداقل یک ماه طول می کشد تا برنامه مدرسه ریاضی را مرور کنم و واژگان ریاضی انگلیسی ام را بهبود ببخشم. اگر یک انگلیسی زبان هستید و مفاهیم پیچیده ریاضی را درک می کنید ، می توانید بلافاصله شروع کنید.

سطح شما یک عامل شماره یک برای مسیر یادگیری هوش مصنوعی شما است ، بنابراین ارزش توصیف نقطه شروع خود را تا آنجا که ممکن است برای چند ساعت وقت صرف کنید.

چه چیزی را در نظر بگیرید:

  • دانش شما تا چه اندازه در ریاضی گسترش می یابد؟ خاص باشید.
  • تجربه برنامه نویسی شما ، حتی اگر پایتون نباشد.
  • درک عمومی از هوش مصنوعی.

مثال خود را برای الهام گرفتن بررسی کنید.

بعد ، یک هدف تعیین کنید. بدون هدف یادگیری مشخص ، به جایی نمی روید.

مهم است که اهداف خود را با افعال عملی تنظیم کنید. به عنوان مثال ، هدف من اشتغال در علم داده است. "دریافت شغل" یک فعل عمل است. این نیز یک هدف قابل اندازه گیری است. یعنی می توانم موفقیت خود را در مقابل این هدف ارزیابی کنم: اگر در مدت یک سال شغلی بدست آورم ، اگر در مدت یک سال و نیم شغلی بدم ، کمی کمتر می شوم. اگر اصلاً شغل نگیرم ، شکست می خورم.

این را با هدف زیر مقایسه کنید: "مفاهیم اصلی AI را یاد بگیرید".

این یک هدف یادگیری خیلی خوب نیست. این موضوع به مفاهیم اصلی هوش مصنوعی نمی پردازد و انتخاب فعل حاکی از یادگیری شما برای یادگیری است. به حقیقت گفته می شود ، ما هرگز برای یادگیری یاد نمی گیریم: یاد می گیریم که مزایای خودخواهانه تری کسب کنیم. یاد می گیریم پول بیشتری بدست آوریم ، عزت نفس خود را افزایش دهیم ، شغل جالب تری بدست آوریم ، دیپلم بگیریم ، والدین یا دوستان خود را تحت تأثیر قرار دهیم و غیره. اما ما هرگز برای هدف نهایی یادگیری نمی آموزیم.

به این فکر کنید که چرا به هوش مصنوعی ، کوتاه مدت و بلند مدت نیاز دارید. با خود صادق باشید و این هدف را یادداشت کنید.

هدف کوتاه مدت من اشتغال به کار در علم داده است زیرا:

  • اول اینکه ، بیشتر از یک شغل در آموزش و پرورش پرداخت می شود.
  • و دوم اینکه ، من طرز فکر توسعه دهندگان را دوست دارم و می خواهم عضو گروه حرفه ای آنها باشم.

هدف بلند مدت من استفاده از دانش هوش مصنوعی برای ایجاد استارتاپ هوش مصنوعی در یادگیری و توسعه است.

البته ، این اهداف ممکن است با گذشت زمان تغییر کنند؛ اما قبل از تغییر ، آنها مرا از طریق اقیانوس عدم قطعیت یادگیری راهنمایی می کنند.

هنگامی که هدف نهایی خود را تعیین می کنید ، لیستی از اهداف فرعی را بنویسید تا به شما در رسیدن به هدف نهایی خود کمک کند. اینها می توانند عبارتند از:

  • برنامه جبر مدرسه را بازبینی کنید.
  • با نحوی پایتون آشنا شوید.
  • دوره Udacity Python را تمام کنید.

بار دیگر ، از افعال "یادگیری" و "درک" خودداری کنید ، و اطمینان حاصل کنید که اهداف فرعی قابل اندازه گیری است. مثلا:

  • من نیمی از مفاهیم جبر مدرسه را بررسی کردم.
  • من می توانم حداقل 10 ویژگی نحوی پایتون را لیست کنم.
  • من 70٪ دوره Udacity Python را تمام کردم.

هنگامی که در مورد سطح فعلی و هدف یادگیری خود اطمینان دارید ، زمان آن رسیده است که برنامه یادگیری خود را بسازید. این سخت ترین قسمت است ...

چگونه می توانم وقتی که چیزی در مورد هوش مصنوعی نمی دانم ، یک مسیر یادگیری AI را بنا کنم؟

وقتی به این فکر می کنید ، مردم هزاران دلار برای آموزش پرداخت می کنند. چرا؟

  • زیرا برنامه های دانشگاهی مدرک دیپلم می دهد.
  • زیرا برنامه های دانشگاه راهنمایی گام به گام چه باید بکنند.

و مورد دوم واقعاً مهم است. در واقع ، هنگامی که طراحان یادگیری یک برنامه درسی برای یادگیری ایجاد می کنند ، ابتدا موضوع را از A تا Z مطالعه می کنند. وقتی این دوره 20 دقیقه ای در یک قطعه برقی خاص است ، چندان دردناک نیست. با این حال ، اگر شما نیاز به ایجاد یک برنامه یک ساله برای چنین زمینه گسترده ای مانند هوش مصنوعی دارید ، موفق باشید ...

به عنوان یک خودآموز ، شما در موقعیت بسیار نامطلوب قرار دارید زیرا هیچ سرنخی برای هوش مصنوعی ندارید ، اما باید قبل از شروع یادگیری ، یک برنامه درسی بسازید.

این بسیار است "اولین بار؟ مرغ یا تخم مرغ؟" لحظه معضل فلسفی بدون راه حل. یک حلقه بی نهایت. مشکل بزرگ

خبر خوب این است که برخی کوچه های برگشت وجود دارد که برای کشف آماده است.

امانت گرفتن

برنامه های درسی را از دانشگاهها ، صندوق های رایانه ، افرادی که قبلاً در این مرحله طی کرده اند ، قرض بگیرید. این رایگان است ، و این اولین بینش در مورد آنچه شما نیاز به یادگیری دارید به شما می دهد.

من این برنامه های درسی را برای تعریف نکات ستون بررسی کردم (اما موارد بسیاری دیگر وجود دارد!):

  • علوم رایانه Sussex و AI
  • هوش مصنوعی Strathclyde و برنامه های کاربردی
  • یادگیری ماشین UCL
  • علوم داده سان فرانسیسکو

من همچنین این مفید را پیدا کردم:

  • در اینجا Siraj Raval مؤلفه های یادگیری هوش مصنوعی را ارائه می دهد و دوره های آنلاین را به صورت منطقی پیشنهاد می کند.
  • دانیل بورک شرح فوق العاده ای از تجربه خود را ارائه می دهد.
  • در اینجا Rodrigo Beceiro دامنههای AI را در بخش "زمینه هوش مصنوعی" لیست می کند.

صفحه من Trello کارهایی را که من انتخاب می کنم هر هفته انجام دهم نشان می دهد و شامل دوره ها و سایر مطالبی است که من دنبال می کنم.

منبع بالقوه دیگر اطلاعات ، ملاقات های AI است. این جلسات صدها نفر را جمع می کند. در این جمعیت پرانرژی از مغزهای پر از هوش مصنوعی ، افرادی بسیار مهربان و همدل خواهید یافت که خوشحال هستند که مشاوره خود را با شما به اشتراک می گذارند. از آنها بخواهید:

  • "با چه چیزی شروع کردید؟"
  • "چه منابعی را می توان برای مبتدیان توصیه کرد؟"
  • "مفاهیم اصلی چیست؟"
  • "برای قهوه آماده هستید؟"

شما 1) مشاوره دست اول را از متخصصان دریافت خواهید کرد و 2) ارتباط مهمی برقرار می کنید.

و در آخر ، الزامات شغلی Data Scientist را در هر صفحه شغلی بررسی کنید تا یاد بگیرید چه مهارتهایی از شما انتظار می رود.

از بین بردن

هنگامی که من دوره های آموزش الکترونیکی را برای شرکت های بزرگ می سازم ، مشتریان من اغلب می خواهند تا حد امکان اطلاعات را در بر گیرند. هیچ وقت یادگیری کافی وجود ندارد ، درست است؟ حقیقت این است که ، مقادیر زیادی از اطلاعات ، فراگیران تازه را تحت الشعاع خود قرار می دهد ، که می تواند باعث خروج آنها شود. قانون طلایی یک مدرس ، (و اگر این مطلب را می خوانید ، خودآموز هستید) این است که تا حد ممکن از بین ببرید. به یاد داشته باشید که تیم فریس در مورد موثر بودن چه گفت؟ درسته ، بدست بیار

به عنوان مثال ، هنگامی که من دروس دانشگاهی را جستجو می کردم ، ماژولی به نام "شبح در ماشین؟" را درمورد شناخت و نوروفیزیولوژی یافتم. من علاقه شخصی به شناخت دارم ، بنابراین اولین غریزه من شامل این ماژول در برنامه درسی من بود. با این حال ، یک تفکر منطقی کمی من را به این فکر سوق داد ، "شناخت شما را به هدف خود نمی رساند ، یعنی یادگیری هوش مصنوعی به مدت 12 ماه و اشتغال به کار".

این بدان معنی نیست که شما نباید شناخت را یاد بگیرید. اطمینان حاصل کنید که شناخت قبل از دنبال کردن با هدف اصلی شما مطابقت دارد.

انعطاف پذیر نگه دارید

هرچه در یادگیری خود گسترش و رشد پیدا کنید ، بیشتر زمینه های جدید را کشف خواهید کرد ، از اهمیت کمتری به آنها می گویید ، علاقه خود را شکل می دهید و نقاط قوت و ضعف خود را مشخص می کنید. چیزهایی که می خواهید یاد بگیرید و کشف کنید دقیقاً مانند فصل ها با گذشت زمان تغییر می کند.

وقتی در مورد آینده فکر می کنم ، مطمئن نیستم که کی باید کتاب خواندن عمیق را شروع کنم. قبل از یادگیری احتمال؟ همزمان با آن ، یا بعد از آن؟ من نمی دانم چه موقع Tensorflow را یاد بگیرم زیرا حتی نمی دانم چیست. من فقط می توانم اولین مراحل خود را تعریف کنم ، که در درجه اول هستند:

  • پایتون را یاد بگیرید
  • جبر را تجدید نظر کنید
  • یک دوره علوم داده مبتدی را ایجاد کنید (یکی از مواردی که توسط متخصصین توصیه می شود)
  • AI ، یک رویکرد مدرن را بخوانید

یکی از این موارد ، شاید یک دوره Data Science ، از مرحله بعدی من پرده برمی دارد. به عنوان مثال ، ممکن است به Tensorflow اشاره کند و توضیح دهد که چه چیزی در مورد آن است و ممکن است بخواهم آن را در برنامه درسی ماه بعدی قرار دهم.

به همین دلیل ، من یک برنامه درسی ثابت با دستورالعمل های گام به گام ایجاد نکردم. این برنامه های درسی در دانشگاه ها و بوت کپس ها ساخته شده است ، توسط کارشناسانی که هوش مصنوعی در نوک انگشتان خود دارند. ما این کار را نمی کنیم ، بنابراین باید برنامه های درسی خود را انعطاف پذیر و باز نگه داریم و به این ترتیب امکان تنظیم تنظیمات فراهم می شود.

راهکاری که برای خودم پیدا کردم:

  • من لیستی از نکات مهم یادگیری در هوش مصنوعی را که از برنامه های درسی دانشگاه و معلمان هوش مصنوعی وام گرفته شده است ، جمع کرده ام.
  • من آنهایی را انتخاب می کنم که باید از آنها شروع کنم.
  • من وظایف یادگیری را برای ماه آینده برنامه ریزی می کنم.
  • وقتی متوجه شدم که چه چیزهایی برای یادگیری بعدی نیاز دارم ، هیئت مدیره Trello خود را با کارهای مربوطه به روز می کنم.

ضبط کردن

  1. نقطه شروع خود را با جزئیات تعریف کنید.
  2. هدف اصلی و یادگیری اهداف فرعی خود را تنظیم کنید (مطابق با هدف اصلی).
  3. یک برنامه درسی تقریبی ایجاد کنید:
  • رشته ها و مفاهیم اصلی را تعریف کنید: وام گرفتن از دانشگاه ها ، صندوق های اعتباری و معلمان؛ رفتن به جلسات؛ الزامات شغلی در تابلوهای شغلی را بررسی کنید.
  • اطلاعات خوب و خوب را از بین ببرید و فقط باید دانش لازم را داشته باشید.
  • برای یک ماه برنامه ریزی کنید و انعطاف پذیر باشید. از Trello یا جایگزین برای کمک استفاده کنید.