אנחנו חיים בעולם של בני אדם ומכונות. בני אדם התפתחו ולמדו מניסיונם בעבר מזה מיליוני שנים. מצד שני, עידן המכונות והרובוטים רק התחיל. עתיד המכונה הוא עצום והוא מעבר לתחום הדמיון שלנו. אנו משאירים אחריות גדולה זו על כתפו של אדם מסוים, כלומר . אז תן לנו להסתכל על כמה מיומנויות מהנדסות הנדרשות כדי להפוך למהנדס ML מצליח.
במאמר זה אעסוק בנושאים הבאים:
אז לפני שנתוודע למיומנויות מהנדס המכונה למידה, בואו נבין תחילה מיהו בדיוק מהנדס ML.
מיהו מהנדס למידת מכונה?
מהנדסי למידת מכונה הם מתכנתים מתוחכמים המפתחים מכונות ומערכות שיכולות ללמוד ולהשתמש ביישום ללא הכוונה ספציפית.
היא המטרה של מהנדס למידת מכונה. הם מתכנתים מחשבים, אך המיקוד שלהם חורג ממכונות תכנות ספציפיות לביצוע משימות ספציפיות. הם יוצרים תוכניות שיאפשרו למכונות לבצע פעולות מבלי שהכוונה שלהן היא לבצע אותן.
עכשיו, כשאנחנו יודעים, מיהו מהנדס ML, בואו להתקדם למיומנויות מהנדס למידת מכונה אחת אחת.
מיומנויות מהנדס למידת מכונה
שפות תכנות (R / Java / Python / C ++)
הדרישה הראשונה והעיקרית היא אחיזה טובה בשפת תכנות, רצוי פיתון מכיוון שהיא קלה ללימוד ויישומיה רחבים יותר מכל שפה אחרת. הוא לשון הפרנקה של למידת מכונה.
חשוב שתהיה הבנה טובה של נושאים כמו מבני נתונים, ניהול זיכרון ושיעורים. למרות שפייתון היא שפה טובה מאוד, היא לבדה לא יכולה לעזור לך. כנראה שתצטרך ללמוד את כל השפות האלה כמו C ++, R, Python, Java ולעבוד על MapReduce בשלב מסוים.
סטָטִיסטִיקָה
נדרשת היכרות עם מטריצות, וקטורים ומכפל מטריקס. הבנה טובה של נגזרים ואינטגרלים היא הכרחית, כי אפילו מושגים פשוטים כמו ירידת שיפוע עשויים לחמוק ממך.
מושגים סטטיסטיים כמו ממוצע, סטיות תקן והתפלגויות גאוסיות נדרשים יחד עם תורת ההסתברות לאלגוריתמים כמו נאיביות , דגמי תערובת גאוסיים ודגמי מרקוב נסתרים.
טכניקות עיבוד אותות
אחד מהמיומנויות הבודדות של מהנדסי למידת מכונה הוא גם ההבנה של עיבוד אותות והיכולת לפתור בעיות שונות באמצעות טכניקות לעיבוד אותות שכן חילוץ תכונות הוא אחד החלקים החשובים ביותר של למידת מכונה.
ידע בניתוח תדרי זמן ואלגוריתמים מתקדמים לעיבוד אותות כגון גלגלים, שארלטים, סיבובים ופסיקים יעזור לך לפתור מצבים מורכבים.
מתמטיקה שימושית
הרבה טכניקות ללימוד מכונה שם יש רק סוגים מהודרים של קירוב פונקציות. הבנה איתנה של תורת האלגוריתמים והבנת נושאים כגון ירידת שיפוע , אופטימיזציות קמורות, תכנות ריבועי ובידול חלקי יעזרו מאוד.
אדריכלות רשת עצבית
הם סוג של מודלים בספרות הכללית של למידת מכונה. רשתות עצביות הן קבוצה ספציפית של אלגוריתמים שחוללו מהפכה בלימוד המכונה.
אנו זקוקים ללימוד מכונה למשימות מורכבות מכדי שבני אדם יוכלו לקודד ישירות, כלומר משימות מורכבות כל כך שזה לא מעשי. רשתות עצביות הן קירוב פונקציות כללי כשלעצמן, ולכן ניתן ליישם אותן כמעט על כל בעיית למידת מכונה בנושא לימוד מיפוי מורכב מהקלט למרחב הפלט.
רשתות עצביות היו ללא ספק הדרך המדויקת ביותר לגשת לבעיות רבות, כמו תרגום, זיהוי דיבור וסיווג תמונות.
עיבוד שפה, אודיו ווידאו
מאז עיבוד שפה טבעית משלב שני תחומי העבודה העיקריים כלומר. בלשנות ומדעי המחשב והסיכוי שבשלב מסוים אתה הולך לעבוד עם טקסט או אודיו או וידאו. לכן יש צורך בשליטה טובה בספריות כמו Gensim, NLTK וטכניקות כמו word2vec, ניתוח סנטימנטלי וסיכום.
ניתוח קול ושמע כולל חילוץ מידע שימושי מאותות האודיו עצמם. היכרות עם מתמטיקה ומושגים של טרנספורמציה פורייה תביא אותך רחוק בזה.
עכשיו כשראינו את טֶכנִי מיומנויות מהנדס למידת מכונות, הבה נסתכל על לא טכני מיומנויות מהנדס למידת מכונה
טבלה בטבלה html
ידע בתעשייה
הפרויקטים המוצלחים ביותר של למידת מכונה שם יהיו אלה העוסקים בנקודות כאב אמיתיות. בכל ענף שאתה עובד. כדאי שתדעו כיצד התעשייה פועלת ומה יועיל לעסק.
אם למהנדס למידת מכונה אין יכולת עסקית וידע היסודות המרכיבים מודל עסקי מוצלח, לא ניתן יהיה לתעל את כל הכישורים הטכניים הללו באופן פרודוקטיבי. לא תוכל להבחין בבעיות והאתגרים הפוטנציאליים שצריכים לפתור את העסק כדי לקיים ולצמוח. לא באמת תוכל לעזור לארגון שלך לחקור הזדמנויות עסקיות חדשות.
תקשורת יעילה
יהיה עליכם להסביר מושגי ML לאנשים עם מעט מומחיות בתחום. רוב הסיכויים שתצטרכו לעבוד עם צוות מהנדסים, כמו גם עם צוותים רבים אחרים. תקשורת הולכת להקל על כל זה.
חברות המחפשות מהנדס ML חזק מחפשות מישהו שיוכל לתרגם את הממצאים הטכניים בצורה ברורה ושוטפת לצוות שאינו טכני, כמו מחלקות השיווק או המכירות.
אב טיפוס מהיר
חרטה על רעיונות במהירות האפשרית היא חובה למציאת אחד שעובד. בלימוד מכונה, זה חל על כל דבר, החל מבחירת המודל הנכון וכלה בעבודה על פרויקטים כמו בדיקות A / B.
עליכם לבצע קבוצה של טכניקות המשמשות לייצור מהיר של מודל קנה מידה של חלק או הרכבה פיזית תוך שימוש בנתוני תלת מימד בעזרת תכנון ממוחשב (CAD).
המשך להתעדכן
עליכם להישאר מעודכנים בכל השינויים הקרובים. מדי חודש יוצאים מודלים חדשים של רשת עצבית שעוברים על אדריכלות קודמת.
המשמעות היא גם להיות מודעים לחדשות הנוגעות לפיתוח תורת הכלים והאלגוריתמים באמצעות עבודות מחקר, בלוגים, סרטוני ועידה וכו '. קהילות מקוונות משתנות במהירות.
מיומנויות מהנדס למידת מכונת בונוס
יתכן שאתה נמצא במצב שבו תרצה ליישם טכניקות של למידת מכונה על מערכות שתתקשרנה עם העולם האמיתי. יש קצת ידע על פיזיקה ייקח אותך רחוק.
לימוד עם חיזוקים שימש כגורם העומד מאחורי ההתפתחויות המרתקות ביותר בתחום הלמידה העמוקה והבינה המלאכותית בשנת 2017. זה יהיה קריטי להבנה אם ברצונך להיכנס לרובוטיקה, מכוניות לנהיגה עצמית או כל תחום אחר הקשור למדעי המחשב.
ראייה ממוחשבת ו- Machine Learning הם שני ענפי ליבה של מדעי המחשב שיכולים לתפקד ולהניע מערכות מתוחכמות מאוד המסתמכות על אלגוריתמי קורות חיים ו- ML אך אך כאשר משלבים בין השניים, תוכלו להשיג אפילו יותר.
אז עם זה, אנו מגיעים לסוף מאמר זה. אני מקווה שקיבלתם הבנה במיומנויות הטכניות השונות, כמו גם במיומנויות מהנדס הלמידה של מכונות, הנדרשות כדי להפוך למהנדס ML מצליח.
אדוריקה גורם לך להיות בקיאים בטכניקות כמו למידה מפוקחת, למידה ללא פיקוח, ו עיבוד שפה טבעית. הוא כולל הדרכה בנושא ההתקדמות האחרונה והגישות הטכניות בתחום הבינה המלאכותית ולמידת מכונה כגון למידה עמוקה, מודלים גרפיים ולמידת חיזוק.
יש לך שאלה עבורנו? אנא הזכיר זאת בסעיף ההערות במאמר 'מיומנויות מהנדס למידת מכונות' ונחזור אליך