Как изучить машинное обучение

Для машинного обучения нужны Python, немного математики и много небольших экспериментов. Начните с простых моделей и реальных данных, а уже потом переходите к глубокому обучению.

Подходит: тем, кто немного программирует и хочет работать с данными и моделями. Обычно занимает 250–400 часов в сумме, в зависимости от стартового уровня.

Обычный порядок шагов

1. 1
   Python для данных≈ 40 ч

   NumPy, pandas и графики.
2. 2
   Нужная математика≈ 50 ч

   Основы линейной алгебры, теории вероятностей и статистики.
3. 3
   Классические модели≈ 60 ч

   Регрессия, деревья решений и честная проверка модели.
4. 4
   Глубокое обучение≈ 80 ч

   Нейросети на PyTorch или TensorFlow.
5. 5
   Проекты≈ 60 ч

   Два проекта на реальных данных в открытом доступе.

Бесплатно или платно?

На каждый шаг есть хорошие бесплатные курсы; платные обычно дают сертификат, обратную связь от преподавателя или чёткое расписание. Перед оплатой проверьте актуальную цену, даты и возрастные ограничения на сайте самой школы.

Где искать курсы

Поищите «Машинное обучение» на этих платформах. Перед выбором сравните оценки, цены и дату последнего обновления курса.

• Coursera
• edX
• Udemy
• Khan Academy
• YouTube

Получите план с настоящими курсами

Stepora превращает эту схему в план с конкретными курсами в правильном порядке, под ваш уровень, бюджет и свободное время. Это бесплатно и занимает полминуты.

Часы указаны примерно, это типичные цифры, а не обещания. Планы составляет ИИ, в них возможны ошибки.