Von Dezember 2016 bis Mai 2017 besuchte ich Udaicitys Machine Learning Engineer Nanodegree. Ich habe einige Artikel über Udacity selbst gefunden, aber ich habe vor dem Kurs nicht viele Artikel über Nanodegree auf Japanisch gesehen. Ich möchte notieren, um welche Art von Service es sich handelt, welche Art von Dingen gelernt werden kann und welche Art von Menschen dafür geeignet sind, einschließlich der Eindrücke nach dem Besuch des Kurses. [http://www.udacity.com/course/machine-learning-engineer-nanodegree--nd009]
Online bezahlter Kurs für 199 USD pro Monat. Einige Inhalte werden in den kostenlosen Kursen von Udacity behandelt, die Inhalte sind jedoch so organisiert, dass das Erlernen der Grundlagen von ML erleichtert wird. Darüber hinaus werden Aufgaben festgelegt, die so strukturiert sind, dass sie überwachtes Lernen, unbeaufsichtigtes Lernen und verstärkendes Lernen beim Lösen der Aufgaben lernen. Die Probleme scheinen sich von Zeit zu Zeit zu ändern, und kürzlich wurde ein Problem mit der Bildklassifizierung unter Verwendung von CNN hinzugefügt. Es gibt eine Videovorlesung zu einem Thema, Aufgaben werden festgelegt, um es zu überprüfen, die in Python Notebook verteilten Aufgaben zu lösen, den Code auf Github hochzuladen und die Aufgabe zu senden (oder eine Zip-Datei zu senden). Der grundlegende Ablauf besteht darin, dass Sie mit der nächsten Vorlesung fortfahren können, wenn Sie eine Bewertung erhalten und diese bestehen. Zunächst wird die Erklärung der zur Lösung des Problems erforderlichen Python-Umgebungskonstruktion ziemlich sorgfältig erstellt. Es gibt eine optionale Herausforderung, Titanic-Daten zu verwenden, um die Umgebung zu testen und ein einfaches ML-Modell zu erstellen.
Der große Unterschied besteht darin, dass Sie Feedback zu den Herausforderungen erhalten. Es gibt keine Möglichkeit, sicherzustellen, dass Sie es selbst tun und verstehen, aber Sie können Feedback erhalten, um zu sehen, was Sie noch nicht vollständig verstanden haben. Das Feedback wird überprüft, um festzustellen, ob es anhand der für jedes Problem festgelegten Kriterien erfolgt. Sie können auch Feedback zum Code erhalten, um mehr darüber zu erfahren, wie Sie effizienter codieren können. Wenn Sie eine Aufgabe einreichen, können Sie einen Kommentar hinzufügen, der besagt, dass Sie dies nicht gut verstanden haben. Anschließend sehen Sie ihn zum Zeitpunkt der Überprüfung im Detail und erhalten Referenzmaterialien. Ein weiterer Unterschied zur kostenlosen Version besteht darin, dass es einen Tutor gibt, mit dem Sie eine 1-zu-1-Videokonferenz einrichten und Fragen stellen können, wenn Sie nicht weiterkommen. Für die kostenlose Version können Sie Antworten erhalten, indem Sie im Online-Forum Fragen stellen. Sie können jedoch detailliertere Fragen stellen, die spezifisch für das sind, was Sie nicht verstehen.
Es ist eine Dienstleistung, die nach Beendigung des Kurses eine Anstellung in einem Unternehmen garantiert. Zusätzlich zu den Kursarbeiten werden Ihr Lebenslauf, Ihr LinkedIn-Profil und Ihr Github-Profil unterstützt, damit Sie sie ändern können, um die Wahrscheinlichkeit zu erhöhen, dass sie eingestellt werden. Wenn es sich nicht um Nanodegree Plus handelt, sind diese Profiländerungen nicht mehr als optionales Projekt erforderlich, ohne dass eine Beschäftigungsgarantie erforderlich ist. Dies ist ein erforderlicher Artikel für Nanodegree Plus. Wenn Sie in Japan arbeiten, ist dies meiner Meinung nach ein Service, den Sie selten nutzen. Für diejenigen, die daran denken, den Arbeitsplatz in ein mit dem Ausland verbundenes Unternehmen zu wechseln, ist es praktisch, ihn auf Nanodegree zu setzen und den Lebenslauf als Option zu überprüfen, da der Lebenslauf auf eine gut aussehende Weise umgeschrieben werden kann.
Was mir persönlich gefällt, ist, dass es ziemlich einfach ist, eine Umgebung für die Analyse zu erstellen. Python ist eine erforderliche Sprache für ML-Nanodegrad. Der Stil besteht darin, Anaconda zu installieren und dann die erforderlichen Pakete zu installieren, damit Sie den in der Klasse verteilten Code nicht ausführen können. Ich habe einen Coursera-Kurs besucht, aber zu dieser Zeit war es schwierig, eine Umgebung zu erstellen. Es dauerte ein paar Tage, um dies zu tun, und der verteilte Code konnte nicht ausgeführt werden. Das Wichtigste ist also Es war sehr stressig, weil ich nicht lernen konnte. Dies war bei Udacitys Nanodegree nicht der Fall. Es war auch gut, dass wir nur das tun mussten, was wir brauchten, um die Probleme anzugehen. In jeder Vorlesung hatte ich den Eindruck, dass das System so ist, dass Sie nur die notwendigen Teile für diesen Zweck lernen können, nachdem Sie darüber nachgedacht haben, was Sie zumindest als ML-Ingenieur tun müssen. Im Fall von ML nanodegree werden alle Aufgaben mit Python Notebook erledigt, aber Hilfsfunktionen wie die grafische Darstellung werden im Voraus definiert, und ein Teil des Codes wird vorbereitet. Beispielsweise wird der Code nur im Formatierungsteil der Daten ausgefüllt. Es besteht darin, Code nur für den ML-Modellteil wie Clustering selbst zu schreiben. Dank dessen dachte ich, dass ich in kürzester Zeit effizient lernen könnte.
Leider sind alle Vorlesungen und Aufgaben in englischer Sprache. Wenn Sie nicht auf Englisch kommunizieren können, ist es schwierig, dies voll auszunutzen. Die meisten Vorlesungsvideos haben englische Untertitel, daher denke ich, dass Sie möglicherweise in Schwierigkeiten sind. Das Problem ist, dass das 1-zu-1-Telecan ein Gespräch auf Englisch ist, wenn Sie nicht weiterkommen. Ich denke, Sie können es nicht in vollem Umfang nutzen. Um es anders herum auszudrücken, ich denke, es sind zwei Fliegen mit einer Klappe für diejenigen, die auch Englisch lernen wollen. Da es nur wenige Aufgaben gibt, können Sie nur relativ elementare Dinge lernen, und Sie haben möglicherweise das Gefühl, dass dies für Menschen mit mittlerem Niveau etwas unbefriedigend ist. In einer Aufgabe werden beispielsweise SVM und Random Forest ausgeführt, XGBoost und kNN werden jedoch nicht verwendet. Es ist vielleicht gut für diejenigen, die zuerst die Grundlagen lernen möchten, aber es ist möglicherweise nicht sehr geeignet für diejenigen, die fortgeschrittenere Inhalte lernen möchten. Da die Zuweisungen auf Github verteilt sind, ist es manchmal schwierig, die Zuweisungen ohne Kenntnis des Git-Befehls zu übermitteln. Ich denke jedoch, dass es sich lohnt, sich an die Funktionsweise von Git zu erinnern, daher ist dies auch eine gute Gelegenheit, sie tatsächlich zu verwenden. Es gibt auch einen kostenlosen Kurs über Git, damit Sie dort die grundlegenden Operationen lernen können. Eine andere Sache, die ich gerne verbessert sehen würde, sind die Kosten. 199 US-Dollar werden jeden Monat automatisch abgezogen, aber die letzte Aufgabe ist eine kostenlose Aufgabe, daher wird es lange dauern. Es fühlt sich wie Selbststudium an, also schaue ich mir keine Vorlesungen an und nehme insbesondere nicht eins zu eins. Ich erhalte keinen Service, aber nur das Geld wird abgezogen. Ich fand das etwas verschwenderisch.
Ich denke, es ist für Leute geeignet, die gerade erst angefangen haben, etwas über maschinelles Lernen zu lernen oder etwas darüber lernen möchten. Insbesondere finde ich es gut für Leute, die in kürzester Zeit effizient und schnell lernen wollen, weil sie dafür bezahlen können. Die Aufgabe besteht aus überwachtem Lernen, unbeaufsichtigtem Lernen, verstärkendem Lernen und kostenloser Aufgabe. Ich denke, dass es eine gute Einführung ist, weil Sie typische Methoden aus dem Zustand lernen können, in dem jedes vorausgesetzte Wissen Null ist. Es wird auch Personen empfohlen, die derzeit andere Sprachen wie R verwenden, aber in Zukunft Python verwenden möchten. Wenn Sie den theoretischen Hintergrund kennen, können Sie sich die Vorlesung kurz ansehen, und ich denke, Sie können lernen, indem Sie nur die Aufgaben lösen und sich dem Erlernen des Codierens in Python widmen.
Recommended Posts