Опыт Udacity в области машинного обучения наностепеней

Два месяца назад я стал одним из победителей стипендии #UdacityAWSDeepRacerChallenge, и поэтому меня бесплатно зачислили на нано-степень машинного обучения udacity.

Мой фон

-это довольно долго и нудно, так что можно "перейти к обзору"

Я компьютерный инженер (выпуск 2017 года), но моя история с ИИ и МО началась задолго до этого, в частности, она началась в 2012 году, когда Стэнфордский университет начал революцию МООК* со своими курсами по ИИ, МО и базам данных, в то время я был старшеклассником, которому нравилось работать или проектировать робототехнику, поэтому, естественно, я записался на курсы искусственного интеллекта и машинного обучения и, к моему удивлению, смог справиться с курсовой работой и сдал.

В колледже я прошел все курсы, связанные с AI/ML, которые предлагал мой университет, и был лучшим в своем классе по всем из них, прошел множество онлайн-курсов AI/ML от udacity, Coursera и edx, я также работал над своими собственными проектами в моем свободное время, однако основное внимание я уделял соревнованиям по программированию (например, ICPC, codeforces, topcoder и т. д.), в которых я выиграл несколько национальных и региональных наград и представлял Африку и Ближний Восток в мировом финале ICPC.

*да, я знаю, что в Массачусетском технологическом институте, Йельском, Оксфордском и некоторых других элитных университетах уже были большие хранилища учебных материалов, включая видеолекции. - однако у МООК есть все это, а также множество функций, включая проекты, рабочее время, индивидуальное руководство и подарочные карты для программного обеспечения / услуг (например, AWS, Matlab)

Структура программы

Наностепень разделена на 7 частей (4 основных и 3 по выбору), которые

Основы разработки программного обеспечения -core-:
представляет лучшие практики SWE, такие как модульность, ведение журналов, контроль версий, ООП и шаблоны проектирования.
Машинное обучение в производственной среде -core-:
обучает рабочему процессу в производственной среде и использует в основном сервисы AWS, но также описывает сходства и различия с другими сервисами (механизм машинного обучения Google и Microsoft Azure).
Машинное обучение, тематические исследования -core-:
работает через три основных проекта: «сегментация населения», «обнаружение мошенничества с платежами», а третий был примером того, как построить пользовательскую модель, поэтому вместо использования встроенного AWS -в алгоритмах мы можем создавать собственные алгоритмы, и в основном они ориентированы на PyTorch
Основы обработки естественного языка (NLP) -факультативный-
Сверточные нейронные сети -факультативный-
Веб-развертывание с помощью Flask -факультативный-
Graduation Project -core :D- :
для этого нам дали предложения, а также свободу выбора любого понравившегося проекта (например, из kaggle или придумать что-нибудь), мой код здесь

нам также дали подарочную карту AWS на 100 долларов, чтобы иметь возможность работать над проектами.
естественно, я прошел все основные и факультативные части :D

Проекты

Мы работали над несколькими проектами, несколькими примерными проектами во время курса, двумя проектами Capestone и выпускным проектом.

Примеры проектов: это были простые проекты, разработанные, чтобы помочь нам понять определенную концепцию или инструмент, и руководствовались видео-лекциями и имели типовые решения.
Capestone Projects: в некотором смысле были похожи на типичный программный пакет, например. у нас не было модельного решения, и мы в основном сами работали над ними, но они руководствовались в том смысле, что нам дали план проекта, так что нам нужно было сосредоточиться только на важных частях проекта (обработка данных, моделирование, обучение/проверка/тестирование и развертывание), в то время как большая часть стандартного кода была предоставлена.
Выпускной проект: мне нужно было сделать все, начиная с написания предложения по проекту, получения данных, их очистки, определения метрик и базовой модели, обучения, проверки тестирования и развертывания и т. д.

Важной и неотъемлемой частью нано-степени являются обзоры, предоставляемые преподавателем udacity по нашим представленным проектам, преподаватели просматривают код и решают, проходить или нет, предлагать улучшения и давать подсказки / ссылки, чтобы узнать больше по конкретным вопросам.

Большинство отзывов, которые я получил, были очень конструктивными и полезными, в них предлагались способы улучшения некоторых частей моих проектов и давали ссылки на материалы, расширяющие некоторые аспекты.

Еще одна важная часть — хотя я ею не пользовалась — это формы обсуждения, где студенты могут задавать вопросы и общаться с преподавателями.

Обзор

В целом, мне очень понравилась нано-степень, и я призываю всех пройти ее :D

Сертификат

Заключительное примечание

как я упоминал ранее, я взял оригинальный курс ИИ из Стэнфорда, ссылка на который была ai-class.com, которая теперь перенаправляет на udacity, однако, когда я пытаюсь загрузить свой сертификат для этого курса, меня перенаправляют на страницу 404 :(