AI og ML: Sådan kommer du i gang

Når din kodningsbaggrund har en tendens til at være nul

Du skal se det udseende, jeg får, når jeg fortæller folk, hvad jeg gør for at leve. Med et forvirret rykk i ansigtet anmoder de om bekræftelse, "Gør du hvad?" Jeg griner og svarer, ”Som jeg sagde, jeg er en instruktionsdesigner”.

Nå, en instruktionsdesigner eller lærerfaringsdesigner er en talentfuld professionel, der skaber læringsplaner, læringskurser og positive læringserfaringer, mens han står bag uddannelsesprogrammer.

Mens jeg er en stor fan af mit erhverv, er jeg også en stor fan af innovation. Det er uden tvivl vanskeligt at påstå sig selv at være ”innovativ” i nutidens tid uden at kende AI. AI tiltrækker de smarteste mennesker, de største investeringer og innovatører som mig.

Jeg tøvede et stykke tid, før jeg vendte min hånd mod AI. Jeg ville fortælle mig selv ting som "Du er ikke smart nok", "Du har ikke nogen kodningsoplevelse", "Du har glemt alle skolematematikprogrammer". Så opdagede jeg Daniel Bourkes artikel, som inspirerede mig til at komme i gang.

Som ekspert Learning Designer ville jeg ikke betale en bootcamp for at gøre mit eget job for mig. Jeg var nødt til at få fat i min egen læring, fra at oprette min egen læseplan til evaluering af min egen læringsfremgang. Jeg måtte teste, hvordan Learning Designer-færdigheder ville hjælpe mig med at lære AI og ML.

Mit mål er simpelt: At lære AI i 12 måneder, 2 timer hver dag. At starte den 1. januar 2020 og ophøre den 31. december 2020.

Selvom det er let at ønske at hoppe lige ombord på denne mulighed, er dette arbejde enormt spændende i begyndelsen og bliver mindre lyst og lyserødt, så snart du tænker på den egentlige handlingsplan. Så går panik ind. Du kan stille dig selv spørgsmål som "Hvad skal jeg gøre først?" ”Hvilke kurser skal jeg tage?” ”Hvilke bøger skal jeg læse?” "Hvilket programmeringssprog bruges?" “Hvor meget matematik involverede?” Sved samles på din pande, brystet bliver strammere ...

Læringsdesignere starter med at definere det aktuelle niveau for målgruppen sammen med deres mål, når man opretter et læringsprogram. Dette er et must for en læringsplan for kvalitet og skal være stedet at starte, hvis alt dette er nyt.

Definer dit aktuelle niveau og dine mål

Tænk først på dit udgangspunkt. For eksempel er jeg meget god med tal, og det har jeg altid været. I gymnasiet var jeg toppen af ​​matematikklassen. Men jeg var færdig med otte for længe år siden, og jeg har glemt næsten alle matematiske koncepter, også multiplikationstabellen!

Jeg var færdig med skolen i Rusland og talte aldrig om matematik på engelsk. Jeg regnede med, at det ville tage mig mindst en hel måned at revidere matematikskoleprogrammet og forbedre mit engelske matematikordforråd. Hvis du er en engelsktalende med et godt kendskab til komplekse matematikbegreber, kan du starte med det samme.

Dit niveau er den vigtigste faktor for din AI-læringssti, så det er værd at bruge et par timer på at beskrive dit udgangspunkt så detaljeret som muligt.

Hvad man skal overveje:

  • Hvor langt strækker din viden sig i matematik? Vær specifik.
  • Din programmeringsoplevelse, selvom det ikke er Python.
  • Generel forståelse af AI.

Tjek mit eksempel for inspiration.

Sæt derefter et mål. Uden et konkret læringsmål går du ingen steder.

Det er vigtigt at formulere dine mål med handlingsverb. For eksempel er mit mål at få et job inden for datavidenskab. ”Få et job” er et handlingsverb. Det er også et målbart mål. Det vil sige, jeg kan evaluere min succes mod dette mål: Jeg lykkes bedst, hvis jeg får et job inden for et år, lidt mindre, hvis jeg får et job inden for et og et halvt år. Jeg mislykkes, hvis jeg slet ikke får et job.

Sammenlign dette med følgende mål: "Lær vigtigste AI-koncepter".

Dette er ikke et meget godt læringsmål. Det går ikke detaljeret ind på, hvad de vigtigste AI-begreber er, og verbets valg indebærer, at du lærer for at lære. Sandheden skal siges, vi lærer aldrig for at lære: vi lærer at få mere egoistiske fordele. Vi lærer at få flere penge, øge vores selvtillid, at få et mere interessant job, få et eksamensbevis, at imponere vores forældre eller venner og så videre. Men vi lærer aldrig for det endelige mål med læring.

Tænk på, hvorfor du har brug for AI, på kort sigt og på lang sigt. Vær ærlig overfor dig selv, og skriv dette mål ned.

Mit kortsigtede mål er at få et job inden for datavidenskab, fordi:

  • For det første betales det mere end et job i uddannelse.
  • Og for det andet elsker jeg udviklernes tankegang og vil være medlem af deres professionelle gruppe.

Mit langsigtede mål er at anvende AI-viden til at opbygge en AI-opstart i læring og udvikling.

Selvfølgelig kan disse mål ændre sig med tiden; men før de ændrer sig, vil de lede mig gennem havet af læringsusikkerhed.

Når du har fastlagt dit endelige mål, skal du skrive en liste over delmål for at hjælpe med at nå dit endelige mål. Disse kan være:

  • Gennemgå skolens algebra-program.
  • Bliv fortrolig med Python-syntaks.
  • Afslut Udacity Python-kursus.

Undgå endnu en gang verb "lær" og "forstå", og sørg for, at delmålene er målbare. For eksempel:

  • Jeg kiggede gennem halvdelen af ​​skolens algebra-koncepter.
  • Jeg kan anføre mindst 10 Python-syntaks-specificiteter.
  • Jeg var færdig med 70% af Udacity Python-kurset.

Når du er sikker på dit nuværende niveau og dit læringsmål, er det tid til at opbygge din læringsplan. Dette er den vanskeligste del ...

Hvordan i all verden bygger jeg en AI-læringssti, når jeg ikke ved noget om AI?

Når du tænker over det, betaler folk tusinder af dollars for uddannelse. Hvorfor?

  • Fordi universitetsprogrammer giver et eksamensbevis.
  • Fordi universitetsprogrammer giver en trinvis vejledning om, hvad de skal gøre.

Og sidstnævnte er virkelig vigtig. Faktisk, når læringsdesignere opretter et læringsplan, studerer de først emnet fra A til Å. Når det er et 20-minutters kursus på en bestemt elektrisk installation, er det ikke så smertefuldt. Men hvis du har brug for at oprette et års program til et så bredt felt som AI, ja, held og lykke ...

Som selvlærende er du i en meget ugunstig position, fordi du ikke har nogen anelse om, hvad AI er, men du er nødt til at opbygge et læseplan, før du begynder at lære.

Dette er meget ”Hvad kom først? Kyllingen eller ægget? ” øjeblik. Et filosofisk dilemma uden løsning. En uendelig løkke. Stort problem.

Den gode nyhed er, at der er nogle baggader, der er klar til at opdage.

Låne

Lån læseplaner fra universiteter, bootcamps, mennesker, der allerede har været igennem processen. Dette er gratis, og dette vil give dig den første indsigt i, hvad du har brug for at lære.

Jeg kontrollerede disse læseplaner for at definere søjlepunkter (men der er mange flere!):

  • Sussex Computer Science og AI
  • Strathclyde kunstig intelligens & applikationer
  • UCL Machine Learning
  • San Francisco Data Science

Jeg fandt også dette nyttigt:

  • Her præsenterer Siraj Raval komponenterne i AI-læring og foreslår onlinekurser i en logisk rækkefølge.
  • Daniel Bourke giver en vidunderlig beskrivelse af sin oplevelse.
  • Her lister Rodrigo Beceiro AI-domæner i afsnittet “Kunstig intelligensfelt”.

Mit Trello-bord viser de opgaver, jeg vælger at udføre hver uge, og inkluderer kurser og andet materiale, jeg følger.

En anden potentiel informationsressource er AI Meetups. Disse Meetups samler hundreder af mennesker. I denne energiske skare af AI-fyldte hjerner finder du meget venlige og empatiske mennesker, der er glade for at dele råd med dig. Spørg dem:

  • "Hvad startede du med?"
  • ”Hvilke ressourcer til begyndere kan du rådgive om?”
  • ”Hvad er de vigtigste begreber?”
  • “Op til en kop kaffe?”

Du vil 1) få førstehåndsrådgivning fra eksperter og 2) skabe vigtige forbindelser.

Og til sidst skal du kontrollere Data Scientist-jobkravene på ethvert jobbræt for at lære, hvilke færdigheder der forventes af dig.

Eliminer

Når jeg bygger e-learning-kurser til store virksomheder, ønsker mine kunder ofte at inkludere så meget information som muligt. Der er aldrig nok af at lære, ikke? Sandheden er, at store mængder information overvælder friske elever, hvilket kan få dem til at trække sig tilbage. Den gyldne regel for en pædagog (og hvis du læser dette, er du en selvpædagog) er at eliminere så meget som muligt. Kan du huske, hvad Tim Ferris sagde om at være effektiv? Højre, fjern.

For eksempel, da jeg søgte på universitetets læseplaner, fandt jeg et modul kaldet “Spøgelse i maskinen?”, Om kognition og neurofysiologi. Jeg har en personlig interesse i kognition, så min første instinkt var at inkludere dette modul i mit pensum. Imidlertid førte en lidt rationel tænkning mig til tanken, ”Erkendelse bringer dig ikke til dit mål, som er at lære AI i 12 måneder og få et job”.

Dette betyder ikke, at du ikke bør lære kognition. Sørg for, at kognition er i tråd med dit hovedmål, før du forfølger.

Hold det fleksibelt

Jo mere du udvider og vokser i din læring, jo mere vil du opdage nye felter, fortælle vigtige fra mindre vigtige, forme din interesse og identificere dine styrker og svagheder. Ting, du vil lære og udforske, vil ændre sig over tid, ligesom årstidene.

Når jeg tænker på fremtiden, er jeg ikke sikker på, hvornår jeg skulle begynde at læse en bog om dyb læring. Før jeg lærer sandsynlighed? Samtidig med det, eller efter? Jeg ved heller ikke, hvornår jeg skal lære Tensorflow, fordi jeg ikke engang ved, hvad det er. Jeg kan kun definere mine første trin, der primært er:

  • Lær Python
  • Revider algebra
  • Lav et begynderkurs Data Science (et af dem, der er rådgivet af guruer)
  • Læs AI, en moderne tilgang

Et af disse, måske et datavidenskursus, vil afsløre mit næste trin. F.eks. Kan det nævne Tensorflow og forklare, hvad det handler om, og jeg vil måske medtage det i den næste måneds læseplan.

Netop af denne grund oprettede jeg ikke et fast læseplan med trinvise instruktioner. Disse læseplaner laves på universiteter og bootcamps af eksperter, der har AI lige ved hånden. Det gør vi ikke, så vi er nødt til at holde vores læseplaner fleksible og åbne, så der er plads til justeringer.

Den løsning, jeg fandt for mig selv:

  • Jeg sammensatte en liste over de vigtigste læringspunkter i AI, lånt fra universitetets læseplaner og AI-guruer.
  • Jeg vælger dem, som jeg skal starte med.
  • Jeg planlægger læringsopgaver for den næste måned.
  • Når jeg forstår, hvad jeg skal lære videre, opdaterer jeg mit Trello-bord med relevante opgaver.

Sæt hætten

  1. Definer dit udgangspunkt i detaljer.
  2. Sæt dit hovedmål og læringsdelmål (i tråd med hovedmålet).
  3. Opret en omtrentlig læseplan:
  • Definer vigtige felter og koncepter: låne fra universiteter, bootcamps og guruer; gå til Meetups; tjek jobkrav på jobtavler.
  • Fjern nice-to-know information og hold kun must-to-know.
  • Planlæg i en måned og hold den fleksibel. Brug Trello eller alternativ til hjælp.