Мой путь от разработки программного обеспечения к машинному обучению
Я всегда был очарован компьютерами и их работой. Меня больше интересовали способы работы компьютеров, а также временная сложность различных алгоритмов при их использовании для поиска и сортировки. Позже я начал работать над различными проектами в области разработки программного обеспечения, такими как разработка комплексного программного обеспечения для распознавания местоположения разных пользователей и помощи им в навигации к нужному месту с помощью карт дополненной реальности. Во время учебы в Университете штата Аризона на степень магистра в области разработки программного обеспечения я работал над интересными проектами. Однако мой интерес к машинному обучению и науке о данных начал расти во время учебы в магистратуре в Университете штата Аризона.
Когда я учился на магистра в области разработки программного обеспечения в ASU, я прошел несколько курсов, которые вел Эндрю Нг, такие как машинное обучение и глубокое Учебная специализация. Он проделал очень хорошую работу, сделав концепции машинного обучения и науки о данных довольно простыми даже для новичков, которые только вошли в эту область. Кроме того, существуют проекты, направленные на то, чтобы учащиеся получили достаточное практическое представление об этих сложных концепциях, что еще больше улучшит их понимание науки о данных и машинного обучения. После прохождения курсов я хорошо разобрался в использовании машинного обучения в различных отраслях, от фармацевтики до сельского хозяйства.
В результате прохождения курсов я смог теоретически понять некоторые сложные концепции машинного обучения, такие как деревья решений, случайные леса и градиентный спуск. Позже я использовал эти алгоритмы для решения некоторых проектов. Но при запуске проекта машинного обучения следует помнить одну вещь: данные являются наиболее важным компонентом машинного обучения. Если мы дадим алгоритмам неверные данные, они будут учиться на них и делать прогнозы в будущем, которые будут соответствовать данным, которые подаются на начальных этапах. Следовательно, необходимо соблюдать осторожность, а также необходимо применять надлежащую визуализацию, чтобы гарантировать получение правильных данных для подачи в модели машинного обучения для прогнозов.
Когда я получил хорошее теоретическое понимание концепций, я начал применять знания в различных проектах, таких как Прогнозирование шансов человека, страдающего от рака, Прогнозирование настроения текста, Прогнозирование того, будет ли человек возвращать кредит, и так далее. Я загрузил все проекты в свой GitHub, чтобы люди могли научиться использовать различные модели машинного обучения в своих проектах и следовать некоторым методологиям, которые я использовал в процессе изучения науки о данных. Ниже приведена ссылка. Не стесняйтесь взглянуть на мои проекты и поделиться своими отзывами и предложениями.
GitHub: https://github.com/suhasmaddali
Поскольку я работал над различными проектами в области машинного обучения, мой интерес к этой области начал стремительно расти, и поэтому я подал документы в различные институты в США, которые подходили для получения степени магистра в области науки о данных. Наконец, меня приняли на степень Магистра наук о данных в Колледж компьютерных наук Хури Северо-восточного университета. Я был очень впечатлен и в то же время заинтересован в получении степени магистра в одном из престижных институтов США. В настоящее время я все еще учусь на магистра в Северо-Востоке и буду держать вас в курсе обновлений в будущем.
Я также являюсь активным участником LinkedIn, где я делюсь своими последними открытиями в области машинного обучения с сообществом специалистов по данным, чтобы мы могли найти лучшее решение для сложных проектов по науке о данных. За это время у меня также была возможность связаться с рекрутером и задать ему несколько вопросов о науке о данных и о том, как люди, не имеющие опыта в машинном обучении, могут войти в эту область. Он сказал мне, что для того, чтобы стать специалистом по данным или инженером по машинному обучению, потребуется страсть и интерес к этой области. Далее я спросил его о технических навыках, которые требуются специалисту по данным, и о необходимом опыте. Он сказал мне, что для того, чтобы стать специалистом по данным, нужно добавить проекты в портфолио, демонстрирующие опыт работы. Кроме того, он настаивал на том, что опыт работы — это просто число, используемое для фильтрации кандидатов, но оно не дает хорошего представления о том, насколько хорошо кандидат может работать в будущем. Конечно, опыт помогает войти в дверь, но, в конечном счете, именно страсть к этой области имеет большое значение.
Все эти знания и полезные идеи привели к пониманию и использованию концепций машинного обучения, которые действительно повлияли на то, как я решала проекты по искусственному интеллекту. В последнее время в отраслях наблюдается большой бум, и требования к инженеру по машинному обучению представляют собой сочетание роли инженера-программиста и специалиста по данным. Если инженер может предоставить решения в облаке или инфраструктуре с использованием алгоритмов обработки данных, спрос на них будет высоким.
Я очень увлечен машинным обучением и наукой о данных, а также тем, как эти алгоритмы формируют то, как мы изучаем новые вещи и интерпретируем образ жизни. Я считаю, что с твердой решимостью и самоотверженностью любой, кто выходит на поле, может стать специалистом по данным или инженером по машинному обучению из страсти. Надеюсь, вы нашли эту статью полезной. Не стесняйтесь делиться своими мыслями и идеями. Спасибо!
Не стесняйтесь подписываться на меня на Medium, чтобы получать новости о новых статьях. Кроме того, ниже приведены веб-сайты, на которых я в основном активен. Смело подключайтесь.
LinkedIn: https://www.linkedin.com/in/suhas-maddali-b9b146136/
Facebook: https://www.facebook.com/suhas.maddali
