Yazara göre resim

Giriş 

 
Yeni araçlar, yeni programlama dilleri ve matematik öğrenme döngüsünde sıkışıp kaldınız. Kısacası, kariyerinizde ilerlemeyi bıraktınız. Bu, birden fazla ders aldığımız, matematik öğrendiğimiz, örnek projeler üzerinde çalıştığımız ve sonunda bir İş için başvurduğumuz makine öğrenimini (ML) öğrenmenin en yavaş yoludur. Size bir yıldan fazlaya mal olacak ve sonunda ilginizi kaybedeceksiniz.

Temel bilgileri anlamayı ve ardından doğrudan makine öğrenimi zorluklarını çözmeye atlamayı içeren ML öğrenmenin daha iyi bir yolu vardır. Bu blogda size makine öğrenmesinde birden fazla alanı (NLP, Computer Vision, ASR, RL, GAN) sadece yarışmalara katılarak nasıl öğrendiğimi göstereceğim.

Yazara Göre Resim | Kaggle

Rekabetçi Platformlar

 
Temel bilgileri öğrendikten sonra DrivenData'ya katıldım. Yeniden Başlatma: Eğitim için Kutu Grafikleri bana önemli veri işleme becerileri, lojistik regresyon kullanma ve SKlearn ardışık düzenlerinin nasıl oluşturulacağını öğreten meydan okuma. Sadece ilk çözümümü sunmam 12 günümü aldı ve ondan sonra tüm enerjimi dünyada 7. sıraya ulaşmamı sağlayan model performans metriğini geliştirmek için harcadım. ikinci yarışmam başladı Afet Tweetleriyle Doğal Dil İşleme | kaggle ve güven bana metin sınıflandırmada kötüydüm ama zamanımı ve enerjimi farklı teknikleri öğrenmeye harcadım. İkinci yarışmamdan sonra, birden fazla alan öğrenmeyi çok istiyordum, bu yüzden yarışmaya katılmaya başladım. zindi ve diğer rekabetçi platformlar.

Yüksek itibarlı platformlar

• Kaggle
• Drivendata
• Kalabalık
• zindi

Yaklaşan platformlar

• Analitik Vidhya
• DataCamp

Çıkış yapmak ML Yarışmaları, nereden başlayacağınızdan hala emin değilseniz.

İşbirliğine Dayalı Öğrenme

 
Tüm rekabetçi platformlar, katılımcıların sorunu paylaştığı ve birlikte çözümler bulmaya çalıştığı bir tartışma ile birlikte gelir. Bu aynı zamanda 3000'den fazla ekibin tek bir problemin çözümüne dahil olduğu anlamına gelir. İşbirliğine dayalı öğrenme, belirli sorunlar için neyin işe yaradığını anlamanıza da yardımcı olur. Ayrıca yeni trende ayak uyduruyorsunuz ve nihayetinde sizi bir ML mühendisi olarak gelecekteki işinize hazırlıyor. 

Image Kaggle

Ayrıca dört kişilik bir ekip olarak katılıp iş yükünü bölebilirsiniz. Bir ekipte çalışmak, sizi işin veri ekibindeki üyeler arasında bölüneceği gerçek hayat senaryolarına da hazırlar. Çoğu kişi neden Google'a çözüm bulamıyorsun diyor ama bence takım arkadaşlarınızla konuşup bir çözüm bulmak sorunları çözmenin etkili bir yolu.

Ekip olarak katılmak, projeler üzerinde uzaktan çalışıyorsanız kritik olan iyi iletişim becerileri geliştirmenize de yardımcı olur. Makine öğreniminde yeniyseniz, takım arkadaşlarınız da yeni araçlar ve beceriler öğrenmenize yardımcı olabilir.

Liderlik Tablosu ve Ödül

 
Liderlik tablosu, rütbeler, madalyalar ve para ödülü, katılmanız için mükemmel motivasyonlardır. Bu rekabetçi ortam aynı zamanda sınırları zorlamanıza ve ilk ona ulaşmak için çok çalışmanız için sizi motive etmenize yardımcı olur. üzerinde çalışmaya başladığımda AI4D Baamtu Datamation — WOLOF'ta Otomatik Konuşma Tanıma — Zindi, sesi nasıl işleyeceğimi veya modeli GPU'da nasıl eğiteceğimi bilmiyordum, ancak bloglardan, YouTube'dan ve GitHub projelerinden 2 ay öğrendikten sonra 1. sıraya ulaşabildim. Bu, her şeyi öğrenebileceğimi anlamamı sağladı. Bundan sonra yeni şeyler denemek ve daha fazla araç öğrenmek için yeterince özgüven kazandım. eğer takip ettiysem ASR çevrimiçi kurs, öğrenmem dört ay, daha iyi hale gelmem dört ay sürecekti.

Dürüst olmak gerekirse, sadece biraz daha fazla çalışarak binlerce dolar kazanabilirsiniz, o halde neden yeni makine öğrenimi alanlarını öğrenirken biraz para kazanmıyorsunuz. Sizi motive etmek için Kaggle yarışma ödül havuzunu paylaşıyorum.

Kaggle Yarışmaları

Benim tavsiyem, küçük başlamak ve en üst sıraya ulaşmak için çok çalışmaya devam etmektir. Zirveye ulaşmak, size kurslardan veya eğitimlerden asla öğrenemeyeceğiniz önemli dersleri öğretecektir.

Image zindi

Birden Çok Alan

 
Çevrimiçi bir kurstan öğrenmek veya bir üniversite diploması almak size çeşitli makine öğrenimi sorunlarını öğretmez ve bazen ses, video veya metin gibi yapılandırılmamış verilerle başa çıkma becerileriniz bile olmaz. Ya öğrenmesi bir yıldan fazla sürebilen çoklu uzmanlık kursları alarak öğreneceksiniz ya da farklı alanlarda çeşitli yarışmalara katılabilirsiniz. 

Zorluklara katılmak, daha önce varlığından haberdar olmadığım sorunları ve model temelinden nasıl kaçınılacağını anlamama yardımcı oldu. Ayrıca araştırma temelli projelerden oldukça farklı olan üretimde makine öğrenimi alanında kariyerime devam etmem için beni motive etti.

Makine öğrenimi şunlardan oluşur:

• Bilgisayar görüşü
• ses
• Doğal Dil İşleme
• Takviye Öğrenme
• Zaman serisi
• Tablo (Regresyon / Sınıflandırma)
• Üretken Öğrenme

Image magora sistemleri

Bu alanların alt alanları vardır ve AI ve çeşitli teknolojiler hakkında her şeyi öğrenmek zordur, bu nedenle bir kuruluş veya şirket içindeki mevcut sorunları çözen mevcut yarışmalara katılmak daha iyidir. Üretime hazır verilerle uğraşır ve verileri işlemek için çeşitli teknikleri öğrenirsiniz. 

Alt alan öğrenmenin daha akıllı bir yolunu istiyorsanız, aynı anda birden fazla yarışmaya katılın ve kendinizi Kaggle ile sınırlamayın, en sevdiğiniz diğer platformlardaki yarışmaları keşfedin.

Sonuç

 
Yarışmaya katılarak, bir makine öğrenimi projesinde işbirliği yapmayı, bilinmeyen sorunların üstesinden gelmek için en son teknikleri öğrenmeyi ve makine öğrenimi evrenindeki çeşitli alanları öğrenmeyi öğreneceğiz. Öğrenmenin yanı sıra tanınma, şan ve para ödülü kazanabilirsiniz. 

Katılmak için bilgi işlem gücüne, veri kümesine, IDE'ye (çevre) veya bilgiye ihtiyacımız yok. Kaggle her şeyi sağlar ve diğer kişilerin çözümlerini inceleyerek veya forumlarda sorular sorarak bilinmeyen alanları öğrenebiliriz. Sizi daha hızlı öğrenmekten alıkoyan tek şey konfor alanınız ve farkındalık eksikliğinizdir. Kaggle'a yeni başlayanların birçoğunu gördüm ve şimdi NVIDIA, Ali baba, H2O ve Amazon gibi büyük şirketler için çalışıyorlar. 

Bu blogda, yarışmalar yoluyla öğrenmenin önemini ve sizi profesyonel dünyaya nasıl hazırlayabileceğini ele aldık. Umarım beğenmişsindir. 

"Bir zamanlar birden fazla platformda 10 yarışmaya katıldığım zamanlar vardı ve o günler hayatımın en mutlu günleriydi çünkü hayat boyu öğrenen biriyim."

 
 
Abid Ali Avan (@1abidaliwan), makine öğrenimi modelleri oluşturmayı seven sertifikalı bir veri bilimcisi uzmanıdır. Şu anda, makine öğrenimi ve veri bilimi teknolojileri üzerine içerik oluşturmaya ve teknik bloglar yazmaya odaklanıyor. Abid, Teknoloji Yönetimi alanında yüksek lisans ve Telekomünikasyon Mühendisliği alanında lisans derecesine sahiptir. Vizyonu, akıl hastalığı ile mücadele eden öğrenciler için bir grafik sinir ağı kullanarak bir AI ürünü oluşturmaktır.