<ruby id="bdb3f"></ruby>

    <p id="bdb3f"><cite id="bdb3f"></cite></p>

      <p id="bdb3f"><cite id="bdb3f"><th id="bdb3f"></th></cite></p><p id="bdb3f"></p>
        <p id="bdb3f"><cite id="bdb3f"></cite></p>

          <pre id="bdb3f"></pre>
          <pre id="bdb3f"><del id="bdb3f"><thead id="bdb3f"></thead></del></pre>

          <ruby id="bdb3f"><mark id="bdb3f"></mark></ruby><ruby id="bdb3f"></ruby>
          <pre id="bdb3f"><pre id="bdb3f"><mark id="bdb3f"></mark></pre></pre><output id="bdb3f"></output><p id="bdb3f"></p><p id="bdb3f"></p>

          <pre id="bdb3f"><del id="bdb3f"><progress id="bdb3f"></progress></del></pre>

                <ruby id="bdb3f"></ruby>

                企業??AI智能體構建引擎,智能編排和調試,一鍵部署,支持知識庫和私有化部署方案 廣告
                # 機器學習在一年 > 原文: [https://machinelearningmastery.com/machine-learning-year/](https://machinelearningmastery.com/machine-learning-year/) ### 從開發人員到機器學習從業者, _ 你也可以!_ Per Borgen 是一個靈感來源。 他從開發人員轉變為機器學習從業者。他解釋了他是如何做到的。 在這篇文章中,您將發現 Per 在過渡時學到的經驗教訓。 您將發現他采用的兩種方法以及如何使用它們。而且你會發現 Per 對初學者的建議,就像你一樣,也希望能夠進行過渡。 而且你會發現 Per 對初學者的建議,就像你一樣,也希望能夠進行過渡。 讓我們開始吧。 ![Machine Learning In A Year](img/9253594af8e6bcfae00c1c1975a01d49.jpg) 機器學習一年 攝影: [Andreanna Moya](https://www.flickr.com/photos/andreanna/2837855969/) ,保留一些權利。 ## 一周的機器學習 Per 的第一個實驗涉及花一周時間進行機器學習并了解他能走多遠。 像許多對機器學習感興趣的學生一樣,他已經完成了 MOOC 的一半,并且無法將他學到的知識轉化為實際解決問題。 他將他經驗豐富的“[機器學習一周](https://medium.com/learning-new-stuff/machine-learning-in-a-week-a0da25d59850)”命名為,或者真正的 5 天。 本工作周分解如下: 1. **星期一**:學習基礎知識。 2. **星期二**:對新數據做出預測。 3. **星期三**:從頭開始編寫算法。 4. **周四**:參加比賽。 5. **星期五**:關于 Udacity 的研究。 他的方案非常實用,2 天專注于建模,意圖獲得結果,另一天專注于實現算法。 **我真的很喜歡。** 他評論說: > 當你意識到你可以開始使用毫升來解決現實生活中的問題時,這是一個關鍵時刻。 我認為 Per 周的重要內容是,有可能在一個工作周內使**非常真實**和**非常有價值的進展**。 在 20 到 40 年的職業生涯中,五天不算什么。 他自己說: > 如果您對進入機器學習感興趣,我強烈建議您開始幾天或晚上,然后潛入它。 Per 建議采用自上而下和結果優先的方法開始,正如我在機器學習掌握中所教導的那樣: > 如果您還沒有為重物做好準備,請選擇自上而下的方法,并盡快解決問題。 ## 一年的機器學習 每走得更遠。 一年后,他寫了一篇后續帖子,宣布他的第一個機器學習項目正在進行中。 這篇文章的標題是“[機器學習一年](https://medium.com/learning-new-stuff/machine-learning-in-a-year-cdb0b0ebd29c)”,詳細介紹了他去年學習機器學習的方式。 他堅持自上而下的方法,這無疑有助于過渡,他說: > 事實上,您不需要太多的數學就可以開始使用機器學習,而且您不需要專業學位就可以使用它。 他一年的機器學習自學有很多起伏。他的年度最終導致他在一個模型上工作以提高他的工作場所的銷售額。 做得好! ### 得到教訓 Per 在他的整個帖子中汲取了經驗教訓。 我的觀點略有不同。我總結了他從他的經歷中學到的 5 個關鍵課程: * 1.采用簡單的自上而下的方法而不是自下而上的理論方法。 * 2.您不需要更高的學位,只需專注于提供價值。 > 它也讓我擺脫了只有擁有碩士學位或博士學位的專業人士的妄想。 * 3.也許跳過 MOOC,或者找一個適合你的 MOOC。 > 我也沒有完成它,因為我很少使用 MOOC。 ......如果我能及時回顧,我會選擇 Udacity 的機器學習入門,因為它更容易并且使用 Python 和 Scikit Learn。通過這種方式,我們可以盡快弄臟手,獲得信心,并獲得更多樂趣。 * 4.不要試圖同時學習機器學習和新的編程語言。 > 在嘗試編寫 ml 算法的同時學習一門新語言對新手來說太難了。 * 5.通過競賽實踐真實數據的實踐。 > 這方面的主要內容是通過試驗算法和數據來迭代地改進結果的經驗。 ### 專業提示 我發現其中隱藏了兩個專業技巧。 我認為兩個掘金可以真正加速進步。 1. 找一個教練來支持并一路建議你。 2. 詢問并查看您是否可以在工作中學習機器學習。 考慮嘗試這些策略來真正加快進度。 ### 對于初學者 我真的很喜歡他的最后評論。對初學者來說非常鼓舞人心: > 達到這一點肯定是一段漫長的旅程。但也快一個;當我在一周的項目中開始我的機器學習時,我當然沒有希望在一年內實際使用它。但這是百分之百的可能。如果我能做到,其他任何人都能做到。 如果 Per 可以做到,為什么不能呢? ## 摘要 在這篇文章中,您了解了 Per Borgen 如何從開發人員轉變為機器學習從業者。 你了解到: * 您可以在一周內在機器學習方面取得非常實際的進展。 * 你不需要從理論開始或獲得更高的學位。 * 您可以在一年內完成轉換,如果您堅持并且練習,則可以更少。 **你從 Per 的經歷中得到了什么?** **你是否受到啟發?** 發表評論,我很想聽聽你的想法。
                  <ruby id="bdb3f"></ruby>

                  <p id="bdb3f"><cite id="bdb3f"></cite></p>

                    <p id="bdb3f"><cite id="bdb3f"><th id="bdb3f"></th></cite></p><p id="bdb3f"></p>
                      <p id="bdb3f"><cite id="bdb3f"></cite></p>

                        <pre id="bdb3f"></pre>
                        <pre id="bdb3f"><del id="bdb3f"><thead id="bdb3f"></thead></del></pre>

                        <ruby id="bdb3f"><mark id="bdb3f"></mark></ruby><ruby id="bdb3f"></ruby>
                        <pre id="bdb3f"><pre id="bdb3f"><mark id="bdb3f"></mark></pre></pre><output id="bdb3f"></output><p id="bdb3f"></p><p id="bdb3f"></p>

                        <pre id="bdb3f"><del id="bdb3f"><progress id="bdb3f"></progress></del></pre>

                              <ruby id="bdb3f"></ruby>

                              哎呀哎呀视频在线观看