في هذه المادة ، أريد أن أتحدث عن كيف يمكنك التصرف لصالح شخص يريد اكتساب المعرفة بشكل مستقل في مجالات DS و AI و ML. يمكن أن يؤدي تطبيق طرق التدريس المقترحة هنا إلى تقدم جيد في تعلم أشياء جديدة. هنا ، بالإضافة إلى ذلك ، سأشارك روابط إلى الموارد التي أستخدمها ، والتي لا شك في أنني مستعد للتوصية بها للآخرين.
تعلم بعض تخصصات الرياضيات
الرياضيات ، حتى لو لم يعجبها أحد ، مهمة جدًا في المجال الذي يهمنا. أعتقد أنه من الآمن أن نقول إن أولئك الذين قرأوا هذا لديهم بالفعل بعض المعرفة الرياضية التي حصلوا عليها في المدرسة. هذه قاعدة جيدة ، ولكنها ليست قريبة بما يكفي لمن يريد التطوير في مجالات DS و AI و ML. وبالتحديد ، هنا تحتاج إلى الخوض في الرياضيات بشكل أعمق قليلاً مما هو عليه في المدرسة ، عليك أن تتعلم بعض الأشياء من الإحصاء والجبر والتخصصات الرياضية الأخرى. أود أن أجمع قائمة بالموارد الرياضية المفيدة لـ DS ، ولكن تم القيام بذلك بالفعل بالنسبة لي في هذه المقالة. وقد فعلوا ذلك بشكل جيد جدا.
تعلم البرمجة
إذا كنت بدأت للتو في التعلم الذاتي ، فلا تقفز مباشرة إلى تعلم كيفية كتابة التعليمات البرمجية لأغراض التعلم الآلي. بدلاً من ذلك ، يجدر تعلم مفاهيم البرمجة الأساسية غير المرتبطة بأي مجال. تعرف على ماهية البرمجة ، وتعرف على الأنواع المختلفة من التعليمات البرمجية الموجودة ، وفهم كيفية كتابة البرامج بشكل صحيح. هذا مهم جدًا لأنك عندما تتقن البرمجة ، ستتعلم العديد من الأفكار الأساسية التي ستخدمك جيدًا طوال حياتك المهنية في DS.
لا تتعجل ، لا تسعى جاهدة لتعلم شيء صعب على الفور. مدى فهمك للأساسيات سيؤثر على حياتك المهنية المستقبلية بأكملها. هنايمكنك العثور على مقاطع فيديو تعليمية جيدة جدًا تقدم لك البرمجة وعلوم الكمبيوتر. وبالتحديد ، فهم يكتشفون أهم الأشياء التي تحتاج إلى فهمها. خذ بعض الوقت للإجابة على هذا السؤال وحاول أن تفهم كل ما تتعلمه.
اختر لغة برمجة واحدة وافهمها بشكل صحيح
هناك العديد من لغات البرمجة المستخدمة من قبل تلك الموجودة في مجالات DS و AI و ML. الأكثر استخدامًا هنا هي Python و R و Java و Julia و SQL. يمكن استخدام لغات أخرى في هذه المناطق ، لكن اللغات التي ذكرتها تُستخدم أكثر من غيرها لسبب:
- من السهل تعلمهم. إذا خصصت وقتًا كافيًا لدراستها وأظهرت مثابرة وثباتًا في التعلم ، فيمكنك تحقيق نجاح معين بسرعة كافية.
- , , .
- , .
- , , , DS, AI ML.
- — .
لا حرج في تعلم لغات برمجة متعددة. وفي الحقيقة ، من المفيد معرفة أكثر من لغة. لكن عند تعلم البرمجة ، لا تتعجل. عليك أن تحاول ، في فترة زمنية معينة ، أن تدرس لغة واحدة فقط ، وإلا فقد تشعر بالارتباك الشديد. لذلك ، من الأفضل أن تتعلم اللغات واحدة تلو الأخرى ، مع إيلاء اهتمام خاص لتلك الخاصة بآلياتها التي ستكون مفيدة لك في عملك. أود أن أقترح اختيار Python كلغة أولى. هذه لغة بسيطة إلى حد ما يمكن حتى للمبتدئين فهمها بسهولة. بالإضافة إلى ذلك ، أوصي بأن تتعلم أولاً البرمجة العامة في Python ، ثم الانتقال إلى أدوات Python المتخصصة لتحليل البيانات.
تعلم كيفية جمع البيانات
في أغلب الأحيان ، لن يمنحك أحد بيانات مصممة خصيصًا لك ، وفي بعض الأحيان قد لا يكون لديك أي بيانات على الإطلاق. ولكن ، على أي حال ، تحتاج إلى إيجاد طريقة لجمع البيانات التي ستعمل معها. قد يكون لدى المنظمة التي تعمل بها نظام جيد لجمع البيانات. إذا كان الأمر كذلك ، فهذه إضافة كبيرة لك. إذا لم يكن لدى مؤسستك مثل هذا النظام ، فعليك إيجاد طريقة لجمع البيانات. لكننا لا نتحدث عن أي بيانات ، ولكن عن معلومات عالية الجودة يمكنك العمل بها بشكل منتج ، وتحقيق أهدافك. لا يرتبط جمع البيانات مباشرة بـ "التنقيب عن البيانات" ، بتحليلها المتعمق. جمع البيانات هو خطوة عمل تسبق التحليل.
يمكن العثور على البيانات المفتوحة التي يمكن استخدامها مجانًا في العديد من الأماكن على الإنترنت. في بعض الأحيان ، يمكن جمع البيانات التي تحتاجها من مواقع الويب باستخدام تقنيات تجريف الويب. يعد تجريف الويب مهارة مهمة جدًا لعالم البيانات ، لذلك أطلب حقًا من كل شخص سيعمل في مجالات DS و AI و ML إتقان هذه المهارة. إليك دليل جيد لكشط الويب.
يمكن أيضًا تخزين البيانات في قواعد البيانات ، لذا فإن المعرفة الأولية بإدارة قواعد البيانات والمهارات في التفاعل مع قواعد البيانات ستكون مفيدة جدًا لك. على وجه الخصوص ، تعتبر معرفة SQL مهمة جدًا هنا. تعلم لغة SQL هنا .
تعلم كيفية معالجة البيانات
غالبًا ما يشار إلى ما سأتحدث عنه هنا باسم Wrangling البيانات. تتضمن هذه العملية مسح البيانات الموجودة. يستخدم التحليل الاستكشافي للبيانات وإزالة كل ما هو غير ضروري منها. تتضمن هذه العملية أيضًا هيكلة البيانات وإحضارها إلى نموذج يمكنك التعامل معه. هذه المرحلة من العمل مع البيانات هي الأصعب والأكثر إرهاقًا. سيتم بالفعل تحضير البيانات التي تصادفها في عملية التعلم للتحليل. لكن البيانات التي تصادفك في العالم الحقيقي يمكن أن تكون أولية تمامًا. إذا كنت تريد حقًا أن تصبح عالم بيانات ، فأنت بحاجة إلى العثور على البيانات الحقيقية وإيجاد طرق لجعلها تبدو لائقة.
يمكن العثور على البيانات الحقيقية في كل مكان تقريبًا. على سبيل المثال - فيKaggle . تحتوي هذه المنصة الرائعة على بيانات من العديد من الشركات حول العالم. تعتبر معالجة البيانات الأساسية نشاطًا شاقًا للغاية ، ولكن إذا قمت بذلك بانتظام وباستمرار ، فسوف تدرك تدريجيًا أنها نشاط مثير للاهتمام أيضًا. فيما يلي بعض المحاضرات الجيدة حول معالجة البيانات الأولية.
تعلم تصور البيانات
إذا كنت خبيرًا في DS أو AI أو ML ولديك دراية جيدة بعملك ، فلا تنس أن ما يبدو واضحًا لك قد يكون غير مفهوم تمامًا للآخرين. لا تتوقع منهم ، على سبيل المثال ، أن يكونوا قادرين على استخلاص النتائج من خلال النظر إلى أعمدة الأرقام. يعد تعلم تصور البيانات أمرًا ضروريًا حتى يمكن استخدام نتائج عملك بواسطة متخصصين من مجالات أخرى. يشار إلى "تصور البيانات" عادة على أنه عملية تقديم البيانات في شكل رسومي. مثل هذا العرض للبيانات سيجعل من الممكن الاستفادة منها حتى بالنسبة لأولئك الذين ليس لديهم معرفة خاصة في مجالات DS و AI و ML.
هناك طرق عديدة لتصور البيانات. نظرًا لأننا مبرمجون ، يجب أن تكون طريقتنا الرئيسية لتصور البيانات هي كتابة الكود المناسب. إنه سريع ولا يتطلب شراء أدوات متخصصة. عند كتابة التعليمات البرمجية لتصور البيانات ، يمكنك استخدام العديد من المكتبات المجانية ومفتوحة المصدر التي تم إنشاؤها للغات البرمجة التي نستخدمها. على سبيل المثال ، توجد مكتبات من هذا النوع لبايثون. هذه هي Matplotlib و Seaborn و Bokeh. هنا فيديو تعليمي على Matplotlib.
هناك طريقة أخرى لتصور البيانات وهي استخدام أدوات المصدر المغلق. على سبيل المثال - تابلوه... هناك العديد من هذه الأدوات ويمكن أن تحقق لك نتائج جيدة ، لكنها ليست مجانية. تعد Tableau واحدة من أكثر هذه الأدوات شيوعًا ، وأنا أستخدمها كثيرًا. أود أن أنصح أي شخص يشارك في تحليل البيانات والتصور لتعلم Tableau. هنا دليل جيد لهذه الأداة.
الذكاء الاصطناعي والتعلم الآلي
يمكن اعتبار AI و ML على أنهما أقسام فرعية من DS نظرًا لأنهما يعتمدان على البيانات. الذكاء الاصطناعي والتعلم الآلي عبارة عن تقنيات تستند إلى آلات تعليمية تتصرف بشكل مشابه للسلوك البشري. لهذا ، يتم استخدام البيانات المعدة خصيصًا ، والتي يتم إرسالها إلى الأجهزة. يمكن لنماذج الكمبيوتر أن تعلم الكثير عن قدرات البشر. للقيام بذلك ، يتم تدريبهم وتوجيههم إلى النتيجة المرجوة. في هذه الحالة ، يمكن اعتبار "الآلات" على أنها أطفال صغار بلا معرفة على الإطلاق. يتم تعليم هؤلاء الأطفال تدريجياً التعرف على الأشياء والتحدث. يتعلمون من أخطائهم ، وعندما يتعلمون ، يبدأون في حل المهام الموكلة إليهم بشكل أفضل. هذا هو الحال مع السيارات.
إن تقنيات الذكاء الاصطناعي والتعلم الآلي هي ما يجعل الآلات تنبض بالحياة باستخدام مجموعة متنوعة من الخوارزميات الرياضية. لا تزال البشرية لا تعرف حدود قدرات هذه التقنيات التي تتحسن باستمرار. في هذه الأيام ، تُستخدم تقنيات الذكاء الاصطناعي والتعلم الآلي على نطاق واسع لحل المشكلات المعرفية. هذه هي اكتشاف الكائنات والتعرف عليها ، والتعرف على الوجوه والكلام ، ومعالجة اللغة الطبيعية ، واكتشاف البريد العشوائي ، واكتشاف الاحتيال. يمكن أن تستمر هذه القائمة لفترة طويلة جدًا.
تستحق القصة الأكثر تفصيلاً حول الذكاء الاصطناعي والتعلم الآلي إصدارًا منفصلاً. في غضون ذلك ، يمكنني أن أوصي بهذا الفيديو فيما يتعلق بالأسئلة العامة لتطبيق هذه التقنيات. لكن هنا- ساعات من الفيديو التعليمي حول التعلم الآلي. من خلال العمل من خلال مقاطع الفيديو هذه ، يمكنك اكتساب معرفة ML التي تتطابق مع مستوى المبتدئين أو حتى المستوى المتوسط. سوف تتعرف على العديد من خوارزميات التعلم الآلي الحالية وكيفية عملها وكيفية استخدامها. بعد ذلك ، يجب أن يكون لديك معرفة كافية لبدء إنشاء نماذج ML البسيطة الخاصة بك. يمكنك أن تقرأ عن كيفية القيام بذلك هنا .
اكتشف طرق نشر نماذج ML على الإنترنت
هناك أدوات تسمح لك بنشر نماذج ML على الإنترنت. هذا يسمح لك بمنحهم حق الوصول إلى الجميع. لنشر النماذج على الإنترنت ، تحتاج إلى فهم جيد لعمليات تطوير الويب. النقطة المهمة هي أن "نشر نموذج" يعني إنشاء صفحة ويب (أو مجموعة صفحات) تجعل من الممكن العمل مع النموذج في المستعرض. بالإضافة إلى ذلك ، يجب ألا يغيب عن الأذهان أن الواجهة الأمامية للمشروع ، واجهته ، يجب أن تتبادل البيانات مع الواجهة الخلفية ، مع جزء الخادم من المشروع ، حيث يوجد النموذج نفسه. من أجل بناء مشاريع مثل هذه ، يجب أن تكون قادرًا على إنشاء واجهات برمجة تطبيقات من جانب الخادم واستخدام واجهات برمجة التطبيقات هذه في الواجهة الأمامية للتطبيقات.
إذا كنت تخطط لنشر نماذج في السحابة ، إذا كنت ستستخدم تقنية Docker ، فستحتاج إلى معرفة جيدة بمجال الحوسبة السحابية و DevOps.
في الواقع ، هناك العديد من الطرق لنشر النماذج على الإنترنت. أود أن أقترح البدء بتعلم كيفية القيام بذلك باستخدام إطار عمل الويب Flask المستند إلى Python. إليك برنامج تعليمي جيد حول هذا الموضوع.
ابحث عن مرشد
التعلم الذاتي أمر رائع ، لكن لا شيء يضاهي التعلم من المحترفين. الحقيقة هي أنه مع هذا النهج ، يتم استيعاب ما يتم استخدامه في الواقع ، وهذه هي الطريقة التي يمر بها التعلم من خلال الممارسة. أشياء كثيرة لا يمكن تعلمها إلا من خلال الممارسة. يتمتع التدريب بالعديد من نقاط القوة ، ولكن يجب ألا يغيب عن الأذهان أنه لا يمكن لكل معلم أن يكون له تأثير كبير على حياتك المهنية أو حياتك. لهذا السبب من المهم جدًا العثور على مرشد جيد.
على سبيل المثال ، يمكنك محاولة حل هذه المشكلة باستخدام منصة Notitia AI .... هنا ، يتم تعيين مرشدين شخصيين للطلاب يقدمون مساهمات شخصية ومهنية لتنمية الطلاب. يأخذ الموجهون أولئك الذين يرغبون في التعلم من مستوى المبتدئين إلى مستوى الخبراء في مجالات DS و AI و ML. Notia AI هو أيضًا النظام الأساسي الأقل تكلفة من نوعه.
النتيجة
ضع في اعتبارك أن دراسة الدورات وقراءة المقالات ومشاهدة مقاطع الفيديو لن تجعلك عالم بيانات. سوف تحتاج إلى أن تكون معتمدًا من قبل مؤسسة متخصصة. بالإضافة إلى ذلك ، تتطلب بعض الوظائف الشاغرة وثائق تعليمية معينة. استثمر الوقت في الدراسة الذاتية ، احصل على شهادة أو احصل على أوراق اعتمادك التعليمية وستكون جاهزًا للعمل الحقيقي.
في رأيك ، ما الذي يحتاج المرء إلى معرفته والقدرة على التطلع إلى أن يصبح خبيرًا ذا قيمة في مجالات الذكاء الاصطناعي أو التعلم الآلي؟
