제퍼넷 로고

대회에 참가하여 기계 학습을 4배 빠르게 배우십시오.

시간

대회에 참가하여 기계 학습을 4배 빠르게 배우십시오.

태그 : 기계 학습

대회에 참가하면서 머신 러닝에 대한 모든 것을 배웠고 온라인 과정보다 여러 도메인을 더 빨리 배울 수 있는 방법을 배웠습니다.


대회에 참가하여 기계 학습을 4배 빠르게 배우십시오.
작성자의 이미지

 

개요 

 
당신은 새로운 도구, 새로운 프로그래밍 언어, 수학을 배우는 루프에 갇혀 있습니다. 요컨대, 당신은 당신의 경력 발전을 멈췄습니다. 이것은 머신 러닝(ML)을 배우는 가장 느린 방법입니다. 여러 코스를 수강하고, 수학을 배우고, 샘플 프로젝트를 진행하고, 결국에는 취업에 지원합니다. XNUMX년 이상 비용이 들 것이고 결국에는 흥미를 잃게 될 것입니다.

기본 사항을 이해한 다음 머신 러닝 문제 해결에 바로 뛰어드는 더 나은 ML 학습 방법이 있습니다. 이번 블로그에서는 대회에 참가하는 것만으로 머신러닝의 여러 영역(NLP, Computer Vision, ASR, RL, GAN)을 어떻게 배웠는지 보여드리겠습니다.

대회에 참가하여 기계 학습을 4배 빠르게 배우십시오.
작성자의 이미지 | 카글

 

경쟁 플랫폼

 
기초를 배운 후 DrivenData에 참여했습니다. 재부팅: 교육용 상자 그림 데이터 조작, 로지스틱 회귀 사용 및 SKlearn 파이프라인 생성 방법에 대한 중요한 기술을 가르쳤습니다. 첫 번째 솔루션을 제출하는 데만 12일이 걸렸고 그 후에는 모델 성능 메트릭을 개선하는 데 모든 에너지를 사용하여 세계 7위에 올랐습니다. 두 번째 대회가 열렸습니다. 재난 트윗을 사용한 자연어 처리 | 캐글 텍스트 분류가 서툴렀지만 다른 기술을 배우는 데 시간과 에너지를 투자했습니다. 두 번째 대회가 끝난 후 여러 도메인을 배우는 달이 지나고 나서 참가하기 시작했습니다. 징디 및 기타 경쟁 플랫폼.

평판이 좋은 플랫폼

향후 플랫폼

체크 아웃 머신러닝 대회, 어디서부터 시작해야 할지 아직 확실하지 않은 경우.

협업 학습

 
모든 경쟁 플랫폼에는 참가자가 문제를 공유하고 솔루션을 함께 모색하는 토론이 함께 제공됩니다. 이것은 또한 3000개 이상의 팀이 단일 문제를 해결하는 데 참여한다는 것을 의미합니다. 협동 학습은 또한 특정 문제에 효과가 있는 것이 무엇인지 이해하는 데 도움이 됩니다. 또한 새로운 트렌드에 발맞추어 궁극적으로 ML 엔지니어로서의 미래 직업을 준비하는 것입니다. 

대회에 참가하여 기계 학습을 4배 빠르게 배우십시오.
이미지로 카글

 

XNUMX인 팀으로 참여하여 작업량을 나눌 수도 있습니다. 팀에서 작업하면 데이터 팀 내의 구성원 간에 작업이 분할되는 실제 시나리오에 대비할 수도 있습니다. 대부분의 사람들은 왜 Google에서 솔루션을 찾을 수 없다고 말하지만 제 생각에는 팀원과 이야기하고 솔루션을 찾는 것이 문제를 해결하는 효과적인 방법입니다.

팀으로 참여하면 프로젝트에서 원격으로 작업하는 경우 중요한 의사 소통 기술을 구축하는 데 도움이 됩니다. 기계 학습을 처음 접하는 경우 팀원이 새로운 도구와 기술을 배우는 데 도움을 줄 수도 있습니다.

리더보드 및 상품

 
순위표, 순위, 메달 및 상금은 귀하가 참여할 수 있는 완벽한 동기입니다. 이 경쟁적인 환경은 또한 한계를 뛰어 넘는 데 도움이 되며 상위 XNUMX위를 달성하기 위해 열심히 일하도록 동기를 부여합니다. 내가 작업을 시작했을 때 AI4D Baamtu Datamation — WOLOF의 자동 음성 인식 — Zindi, 오디오 처리 방법이나 GPU에서 모델을 훈련시키는 방법을 몰랐지만 블로그, YouTube 및 GitHub 프로젝트에서 2개월 동안 배운 후 1등에 도달할 수 있었습니다. 이것은 내가 무엇이든 배울 수 있다는 것을 깨닫게 해주었다. 그 후 나는 새로운 것을 시도하고 더 많은 도구를 배울 수 있는 충분한 자신감을 얻었습니다. 내가 따라했다면 ASR 온라인 코스라면 배우는 데 XNUMX개월, 더 잘하는 데 XNUMX개월이 걸렸을 것입니다.

솔직히 말해서 조금만 더 노력하면 수천 달러를 얻을 수 있으므로 새로운 기계 학습 영역을 배우면서 돈을 벌지 않겠습니까? 동기를 부여하기 위해 Kaggle 대회 상금 풀을 공유하고 있습니다.

대회에 참가하여 기계 학습을 4배 빠르게 배우십시오.
Kaggle 대회

 

제 조언은 작게 시작하여 최고 순위에 도달하기 위해 계속 열심히 일하라는 것입니다. 정상에 도달하면 코스나 튜토리얼에서 절대 배울 수 없는 중요한 교훈을 얻을 수 있습니다.

대회에 참가하여 기계 학습을 4배 빠르게 배우십시오.
이미지 출처 : 징디

 

여러 도메인

 
온라인 과정에서 배우거나 대학 학위를 취득한다고 해서 다양한 기계 학습 문제에 대해 배울 수 없으며 때로는 오디오, 비디오 또는 텍스트와 같은 비정형 데이터를 처리하는 기술도 없습니다. 배우는 데 XNUMX년 이상이 소요될 수 있는 여러 전문 과정을 수강하여 배우거나 다른 영역의 다양한 대회에 참가할 수 있습니다. 

챌린지 참여는 이전에 존재하지 않았던 문제와 모델 기반을 피하는 방법을 이해하는 데 도움이 되었습니다. 또한 연구 기반 프로젝트와는 상당히 다른 생산 분야의 머신 러닝 분야에서 경력을 쌓도록 동기를 부여했습니다.

기계 학습은 다음으로 구성됩니다.

대회에 참가하여 기계 학습을 4배 빠르게 배우십시오.
이미지로 마고라 시스템

 

이러한 영역에는 하위 영역이 있으며 AI 및 다양한 기술에 대한 모든 것을 배우기 어렵기 때문에 조직이나 회사 내에서 현재 문제를 해결하는 현재 대회에 참여하는 것이 좋습니다. 생산 준비가 된 데이터를 가지고 놀고 데이터를 처리하는 다양한 기술을 배우게 됩니다. 

더 똑똑한 하위 도메인 학습 방법을 원한다면 한 번에 여러 대회에 참가하고 Kaggle로 자신을 제한하지 말고 가장 좋아하는 다른 플랫폼에서 대회를 탐색하십시오.

결론

 
대회에 참가함으로써 우리는 기계 학습 프로젝트에서 협업하는 방법, 알려지지 않은 문제를 해결하기 위한 최첨단 기술을 배우고 ML 세계 내의 다양한 영역을 배우게 됩니다. 배우는 것 외에도 인정, 영광 및 상금을 얻을 수 있습니다. 

참여하는 데 컴퓨팅 성능, 데이터 세트, IDE(환경) 또는 지식이 필요하지 않습니다. Kaggle은 모든 것을 제공하며 우리는 다른 사람들의 솔루션을 검토하거나 포럼에서 질문함으로써 알려지지 않은 영역을 배울 수 있습니다. 더 빨리 배우지 못하게 막는 유일한 것은 편안함과 인식 부족입니다. 나는 많은 초보자들이 Kaggle을 시작하는 것을 보았고 현재 그들은 NVIDIA, Ali baba, H2O 및 Amazon과 같은 대기업에서 일하고 있습니다. 

이 블로그에서 우리는 경쟁을 통한 학습의 중요성과 그것이 어떻게 당신을 전문적인 세계에 준비할 수 있는지를 다루었습니다. 나는 그것을 좋아하면 좋겠. 

“여러 플랫폼에서 10개의 대회에 참가했을 때가 있었는데, 그 때가 평생 학습자로서 가장 행복한 날이었습니다.”

 
 
아비드 알리 아완 (@1abidaliawan)은 기계 학습 모델 구축을 좋아하는 공인 데이터 과학자 전문가입니다. 현재 그는 콘텐츠 제작에 집중하고 있으며 머신 러닝 및 데이터 과학 기술에 대한 기술 블로그를 작성하고 있습니다. Abid는 기술 관리 석사 학위와 통신 공학 학사 학위를 보유하고 있습니다. 그의 비전은 정신 질환으로 고생하는 학생들을 위해 그래프 신경망을 사용하여 AI 제품을 만드는 것입니다.

spot_img

최신 인텔리전스

spot_img