Прежде чем я начну эту тему, позвольте мне сказать, что этот контент никоим образом не спонсируется Google, а скорее представляет собой практическое руководство по обучению от одного из крупнейших поставщиков ресурсов в этом руководстве. мы объясним, почему наше решение выгодно нашим читателям.

Почему выбирают Google?

Проще говоря, Google предоставляет централизованное решение для всех ваших потребностей в машинном обучении.

Google и его дочерние компании предоставляют механизм, который позволяет вам искать ответы, связанные с машинами, не говоря уже о предоставлении инфраструктуры, которая будет использоваться вашим потенциальным подходом к машинному обучению.

1. Подумайте о своем решении

Вы можете быть удивлены количеством людей, которые действительно начали свой путь в ML и фактически бросили его просто потому, что это было неправильным для них, поэтому я считаю необходимым подчеркнуть важность понимания обширной области. Машинное обучение.

Изучая машинное обучение, вы можете рассчитывать на работу с огромными объемами данных, и в зависимости от характера вашей работы вам может понадобиться хорошее понимание математики.

Поэтому я считаю важным двигаться вперед, чтобы вы привыкли к идее работы с математикой и большими данными.

2. YouTube для науки о данных

Прежде чем вы сможете начать поиск ответов, вы должны сначала уметь задавать правильные вопросы. YouTube, в частности, предоставляет отличное и доступное средство для удобного для восприятия потребителем контента. Независимо от того, на каком этапе обучения/экспериментального процесса вы находитесь, вы можете быть уверены, что найдете контент, который вас удовлетворит, на YouTube.

Простой поиск по ключевым словам, например «ИИ», «Машинное обучение», «Глубокое обучение», «Нейронные сети», «Многослойные персептроны», «GAN», «Линейная регрессия», «CNN», «RNN» или «LSTM» среди нескольких других возможностей потенциально могут дать вам важную ступеньку в мир машинного обучения, имейте в виду, что в зависимости от выбранного вами ключевого слова вы можете столкнуться с различными уровнями сложности в ваших результатах.

3. Использование возможностей поиска Google

После создания прочной основы в области машинного обучения и под твердой основой я имею в виду, что вы начали понимать основные концепции в достаточной степени, чтобы они начали обретать смысл в вашей голове, вы должны начните работать над небольшими проектами, следуя более практическим руководствам в своем подходе, завершив к этому моменту как минимум 2 разных машинных проекта.

В течение этого времени вы не должны бояться использовать поиск Google, на самом деле вы должны научиться использовать его потенциал.

Быстрый поиск может привести вас к нужному ресурсу, важно, чтобы вы знали, что решения большинства ваших проблем можно найти в Google, при условии, что вы снабдить его правильными подсказками.

Простой поиск в Google может дать вам как практические решения, так и теоретические доказательства, которые могут помочь вам укрепить ваши концепции или даже создать совершенно новые решения, которые помогут вам в вашем путешествии по машинному обучению.

4. Страницы ресурсов для разработчиков Google

К этому моменту вы достигли сути и сливок этой статьи. Google предоставляет обширную страницу ресурсов для тех, кто хочет заниматься машинным обучением, и хотя существует множество хорошо продуманных курсов, этот увлекательные и практичные, курсы здесь содержатся в хорошем состоянии и содержат концепции как для новичков, так и для экспертов в этой области. Вместо того, чтобы давать вам длинный обзор курса, я позволю вам проверить его самостоятельно.

Если вы выберете прохождение этих курсов, вы получите знания, необходимые для дальнейшего изучения машинного обучения, а также в идеале предоставит вам понимание всех этапов, ведущих к полному рабочая модель машинного обучения.

5. Обход аппаратных ограничений

Теперь мы, наконец, добрались до лучших результатов. Если вы уже выполнили шаги с 1 по 4, то вы, вероятно, нашли узкое место, из-за которогоаппаратные ограничения.

Если вы похожи на меня и не можете позволить себе значительные расходы на использование выделенного оборудования для машинного обучения штата, не беспокойтесь, потому что у Google есть решение для вас!

Представляем Google Colab, бесплатное решение для облачных вычислений.

Термин «бесплатно» здесь имеет некоторые ограничения, но не беспокойтесь, эти ограничения не помешают вам использовать их ресурсы для обучения.

Обратите внимание, что хотя на самом деле Google ограничивает доступ к графическому процессору до определенного предела, квоты freemium будет более чем достаточно, чтобы позволить вам проводить небольшие или умеренные эксперименты, тестирование модели и даже разработка проекта.

Их сервис colab использует структурированный подход, аналогичный подходу к блокнотам Jupyter. Язык, используемый на платформе, — python, к счастью для вас, это язык, который вы, вероятно, используете для изучения того, что изучаете, и хотя пространство на виртуальном диске изначально не встроенный в платформу, интеграция Google Диска в микс может позволить использовать эти функции.

Вывод

В заключение этой статьи я хотел бы сказать.

"Ресурсы, которые в настоящее время размещаются в Google, обеспечивают удобную отправную точку для тех, кто хочет заниматься машинным обучением".

Устранение как первоначальных входных барьеров, так и текущих расходов.

Хотя некоторые люди могут возразить, что существуют лучшие ресурсы, на мой взгляд, Google является наиболее доступным, недорогим и интегрированным средством в мире. погоня за МЛ.