Jak nauczyć się uczenia maszynowego

Uczenie maszynowe wymaga Pythona, trochę matematyki i wielu małych eksperymentów. Zacznij od prostych modeli i prawdziwych danych, a dopiero potem przejdź do deep learningu.

Dla kogo: osoby z podstawami programowania, które chcą pracować z danymi i modelami. Zwykle zajmuje to łącznie 250–400 godzin, zależnie od poziomu startowego.

Typowa kolejność kroków

1
Python do danych≈ 40 godz.
NumPy, pandas i wykresy.
2
Potrzebna matematyka≈ 50 godz.
Podstawy algebry liniowej, prawdopodobieństwa i statystyki.
3
Klasyczne modele≈ 60 godz.
Regresja, drzewa i uczciwe testowanie modelu.
4
Deep learning≈ 80 godz.
Sieci neuronowe w PyTorch lub TensorFlow.
5
Projekty≈ 60 godz.
Dwa projekty na prawdziwych danych, udostępnione publicznie.

Za darmo czy płatnie?

Na każdy krok są dobre darmowe kursy; płatne zwykle dają certyfikat, informację zwrotną od prowadzącego albo stały harmonogram. Przed zapłatą sprawdź aktualną cenę, terminy i limity wieku na stronie organizatora.

Gdzie szukać kursów

Wyszukaj „Uczenie maszynowe” na tych platformach. Przed wyborem porównaj oceny, ceny i datę ostatniej aktualizacji kursu.

Dostań plan z prawdziwymi kursami

Stepora zamienia ten schemat w plan z konkretnymi kursami we właściwej kolejności, dopasowany do Twojego poziomu, budżetu i wolnego czasu. To nic nie kosztuje i trwa pół minuty.

Ułóż mój plan

Godziny są orientacyjne, to typowe wartości, a nie obietnice. Plany tworzy AI i mogą zawierać błędy.