Основы Машинного Обучения
за 3 месяца (по часу в день)

Как-то в начале этого года, я поставил себе цель изучить тему "Машинное Обучение" (МО) и применить знания на практике. Еще в 2012 году начал курс от Andrew Ng, но тогда у меня не пошло, было сложно. Сейчас я понимаю, что ошибался и проблема была не в сложности, а в моем подходе к обучению. Об этом может расскажу в следующих постах.

Пару недель назад я закончил тот же самый курс Machine Learning на Coursera (за 8̶ ̶л̶е̶т̶ 2 месяца). Я не был уверен, стоит ли инвестировать мое время в этот курс, так как задачи требовалось решать на Octave. Экосистема этого языка программирования для решения задач МО не самая развитая на сегодняшний день.

Не смотря на это, я решился пройти этот курс и пока ни разу не пожалел. Этот курс дает отличные фундаментальные знания для практического применения МО. Никакой высшей математики не нужно знать. Рекомендую начинающим. Параллельно с курсом, прочитал очень короткую и легко написанную книгу Machine Learning for Absolute Beginners.

Вслед за этим курсом, я за пару недель прошел курс Machine Learning, Data Science and Deep Learning with Python на Udemy, чтобы ознакомиться с нужными инструментами решения задач на Python (Anaconda, Jupyter Notebook, Scikit-learn, Apache Spark, Tensorflow, Keras и все такое). Было очень легко, потому что фундаментальные знания уже были.

На все это я тратил по 1 часу времени до начала рабочего дня и по 2-3 часа в выходные в течение почти 3 месяцев. Когда оглядываюсь назад, то понимаю как многое можно сделать если последовательно работать над чем-то всего по 1 часу в день.

С курсами я пока закончил. Буду продолжать укреплять теоретическую базу посредством чтения книг (думаю по 30 минут в день будет достаточно). Также, есть несколько идей, с которыми давно хочу поэкспериментировать в Super Dispatch. Когда знаешь, что есть пользователи, которым твое решение может быть полезным и в процессе можно чему-то научится, это очень вдохновляет.