150 Hari menuju Pengalaman & Pencapaian Dunia Nyata.

Ini akan menjadi perjalanan, jadi bersiaplah untuk merasa tidak nyaman! (Menabur)

Saya membawakan Anda peta jalan pribadi saya dengan sumber daya pilihan yang saya ikuti/jamin. Juga, diresapi adalah kisah sarjana saya dari mulai sebagai pemula mutlak hingga magang penelitian yang luar biasa di luar negeri di DL / AI.

☣ PENAFIAN:

Peta jalannya didasarkan pada prinsip-prinsip pribadi berikut:

1. BELAJAR SESUAI PERMINTAAN. Jangan mengkonsumsi MOOCS, buku dan tutorial. Tidak ada gunanya membanjiri diri kita sendiri dengan semua informasi dan pengetahuan yang tidak akan kita gunakan atau terapkan. Kotorlah dengan proyek langsung secepatnya.
2. JADILAH PERSISTEN: Kami adalah insinyur! Kami mencari tahu.
3. Ambil inisiatif, BERGERAK cepat & EKSEKUSI dengan keras.
4. PILIH MENTOR dengan sangat hati-hati.

Fase — 1: Dasar-Dasar Implementasi (40 hari)

☕ Kisah Saya:

Tahun pertama di IIT Mandi …

Proses berpikir setiap manusia waras (termasuk saya) :

Cari tahu dasar-dasarnya Bangun landasan teoretis yang kokoh untuk pengetahuan kerja Dapatkan Ide & proyek bagus Dapatkan Pengalaman Dunia Nyata.

☝ adalah SAMPAH MUTLAK!

Saya membuat klaim itu setelah 3 tahun melakukan penelitian di bidang Computer Vision & AI

Untungnya, pengawas penelitian saya (& mentor profesor pertama) menempatkan saya bersama seorang siswa Master untuk mengerjakan proyek CV/DL, bahkan ketika saya tidak tahu apa-apa tentang ML.

Saya ternyata baik-baik saja … Jadi,

Proses "aksi" baru (gila)-fana:

Mulai pekerjaan sebelum Anda memilikinya!

“Tapi Aryannnnnn?? Apa artinya itu????”

• Jika Anda berada di universitas; hubungi setiap dan setiap profesor untuk bekerja dengan mereka di salah satu proyek mereka yang sedang berlangsung .
• Jika Anda berada di pekerjaan yang tidak terkait/menganggur, hubungi Tim ML, Insinyur ML, atau pergi keluar dan temukan pekerjaan terkait ML untuk dikolaborasikan !
• Untuk menangis dengan suara keras, temukan pekerjaan lepas, lihat deskripsi pekerjaan yang Anda tidak memenuhi syarat tetapi menurut Anda keren - Mulailah membangun proyek itu sendiri.

Menemukan & memulai proyek. Sebaiknya Berkelanjutan.

Sekarang hadir hal-hal tambahan tetapi wajib yang akan Anda lakukan saat mencari/mengerjakan proyek utama yang kita bicarakan di atas:

1. learnpytorch.io : Sumber yang bagus untuk memberi Anda gambaran tentang siklus hidup lengkap Proyek ML, replikasi kertas, dan penerapan model. Juga, telusuri semua sumber daya tambahan jika Anda bisa!

PENTING : Lakukan setiap latihan bab! Membaca tidak akan membantu sama sekali.

2. Sedikit tentang GPU. Itu selalu baik untuk mengetahui tentang perangkat keras tempat Anda menjalankan semua kehebatan ini . Saya akan merekomendasikan beberapa video pertama dari playlist : Dasar-dasar Arsitektur GPU oleh CoffeeBeforeArch.

PENTING : Jelajahi internet untuk berbagai jenis GPU, spesifikasinya, biayanya, cara memprogramnya, dll. TETAPI JANGAN terlalu banyak membuang waktu untuk bagian ini. (~0,5 jam/hari lebih dari cukup)

Fase — 2: Fondasi (40 hari)

Sekarang Anda harus mengerjakan satu proyek secara positif ❗

☕ Kisah Saya: Saya mulai mengabdikan proyek sekitar 8 jam seperti 8–5 dan menggunakan sisa jam untuk hal-hal tambahan & wajib. Saya memiliki kemewahan menjadi seorang sarjana!

Namun, pada fase ini, saya mulai menangani teks yang sedikit lebih rumit. Inilah yang saya lakukan saat bekerja tanpa henti pada proyek utama:

1. Skimmed Deep Learning oleh Ian Goodfellow. Namun, saya akan merekomendasikan buku web gratis dan mungkin salah satu yang paling mengagumkan di sini: Dive Into Deep Learning . Jangan skim. Makanlah.
2. Tugas kedua dan utama Anda: Untuk menjelajahi bidang- bidang berikut : Computer Vision (duhh), Pemrosesan Bahasa Alami, Pembelajaran Penguatan, Pembelajaran Audio & Pidato, dan Sistem Rekomendasi/Pengalaman Pelanggan. Kemudian pilih area yang paling berbicara kepada Anda dan ambil buku terbaru & paling praktis tentangnya.

HARUS: Lakukan langkah 1 & 2 secara bersamaan untuk hasil & wawasan yang lebih baik.

☕ Kisah Saya: Saya mengambil Computer Vision sebagai bidang spesialisasi saya (sama dengan proyek utama saya) dan mengambil buku: Computer Vision: A Modern Approach untuk bersenang-senang di samping kursus Optimasi Convex langsung & tatap muka yang diajarkan di IIT Mandi. Masa-masa yang sangat sibuk & menantang dibandingkan dengan apa yang pernah dialami oleh diri saya yang lebih muda sebelumnya. Menyukainya luar dalam!

Pro-tip:

Catat/Jurnal apa yang Anda rasakan tentang perjalanan untuk mencari tahu apakah Anda ingin melakukan ini atau tidak!

Bagaimanapun, ini adalah TUJUAN UTAMA fase 2:

Utama: Mulailah mencurahkan lebih banyak waktu untuk proyek utama!

Sekunder: Pilih area spesialisasi setelah penelitian & pertimbangan menyeluruh.

Tersier : Pelajari tentang spesialisasi Anda & Pembelajaran Mendalam secara bersamaan dari sumber daya yang disebutkan di atas.

Fase — 3: Essentials (40 hari)

Jika 2 fase di atas dilakukan dengan sangat baik, pertahankan kudamu!

Anda masih belum siap. Namun …

ANDA HARUS mulai meneliti peluang dan BERLAKU.

Ini adalah sumber yang bagus untuk mahasiswa yang ingin magang penelitian di luar negeri.

Jika Anda mendapat kesempatan, Hei! Selamat atas pencapaian pertama Anda! Bagikan pencapaian Anda dengan saya di sini !

• > Baca terus agar Anda dapat menguasai pengalaman itu dan membangun hubungan yang baik.

• > Baca terus untuk menyiapkan diri Anda untuk hasil besar di depan!

Pewawancara : Kami menyukai inisiatif, dorongan, dan pengalaman Anda yang sudah Anda miliki, tetapi Anda membutuhkan lebih banyak spesialisasi untuk peran ini…

Katakan lebih sedikit…

Saya menemukan bahwa saya membutuhkan semacam spesialisasi pembelajaran mendalam juga.

Fase ini bisa tampak seperti pengejaran angsa liar, tetapi percayalah pada diri sendiri dan patuhi itu.

Persyaratan yang satu ini cukup sederhana:

Pilih arsitektur (dan kumpulan data) berdasarkan deskripsi proyek yang Anda teliti dalam peluang yang Anda lamar atau benar-benar inginkan. Menerapkannya dari makalah penelitian mereka. Pada dasarnya kertas-replikasi.

Nasihat Foxly: Silakan bergerak melampaui CNN, mereka adalah blok bangunan yang bagus tetapi tidak akan memotong persaingan untuk Anda.

Lanjutkan proyek utama juga! Jangan biarkan sampai Anda mendapatkan publikasi (jika Anda bisa).

Dapatkan tangan Anda kotor dengan sumber daya ini juga:

1. MLOps : Ini adalah penerus DevOps tetapi untuk Pembelajaran Mesin! Keterampilan yang sangat berguna untuk dimiliki.
2. HARUS : Pengantar Wawancara ML oleh Chip Huyen . Terkadang Anda harus menyedotnya dan tetap melakukannya, eh? Tidak dengan buku ini. Ini sebenarnya sangat keren!

Yang ini adalah favorit pribadi saya karena di sinilah Anda kehilangan "keperawanan siswa" Anda dan menjadi Insinyur / Ilmuwan ML dunia nyata atau label apa pun yang Anda suka. Di sini, Anda tidak lagi dibatasi pada lingkungan belajar terstruktur dan dunia menjadi milik Anda untuk diambil.

Makanya, RfW atau Ready for War!

Jadi, sekarang kamu adalah anjing pemburu,

Lapar akan tujuan-tujuan ini:

1. Mendorong proyek utama Anda hingga selesai/dipublikasikan.

2. Mengamankan Magang, pekerjaan & peluang lainnya.

3. Mengembangkan Kebiasaan Membaca Makalah Penelitian.

4. Mempelajari perkembangan terkini di bidang Anda.

Sasaran 1 dan 2 semata-mata tanggung jawab Anda untuk melamar, mewawancarai & dipilih. Jika Anda memerlukan bantuan atau ingin membagikan pencapaian Anda, hubungi saya di LinkedIn ! :)

Namun untuk mencapai tujuan 3, Anda harus mengembangkan strategi membaca makalah penelitian dan jadwal yang tidak terputus.

> Strategi membaca saya akan memakan seluruh pos lainnya. Jadi sampai saat itu…

Ngomong-ngomong, beberapa makalah penelitian penting (& mudah) yang pasti sudah Anda temukan atau harus Anda pertimbangkan untuk memulai adalah: AlexNet, U-Net, ResNets, GANs (2014), Yang Anda Butuhkan Perhatian, dll.

Setelah yang ini, Anda bertanggung jawab untuk tertarik dan terus membaca karya penelitian yang baru dan lebih rumit!

CATATAN: Pendapat saya mungkin bias terhadap Makalah Terkait Visi Komputer.

Sekarang, beberapa saran licik untuk mengakali pesaing Anda dan mencapai tujuan-4 untuk fase ini:

• Siapkan akun Twitter Anda dan ikuti peneliti terkemuka, pendidik, profesor, dan perusahaan seperti openAI, Google Brain, dll. — Saya suka menghabiskan 30–40 menit untuk mempelajari penelitian baru yang diterbitkan setiap hari.
• Selalu waspada terhadap perekrutan profesor melalui platform seperti Twitter, LinkedIn, dll. Bisa menjadi peluang ideal untuk menerkam.
• Meme juga akan membuat hal-hal biasa tetap menarik… semoga

Posting ini juga menandai awal dari posting di bawah dua sub-garis keturunan:

1. Sub-Seri Dasar & Aplikasi : Ini akan mencakup prinsip, dasar, aplikasi, proyek, dll.

2. DL-Paper Sub-Series ( Diucapkan Dell-Pepper ): Ini akan mencakup pemeriksaan menyeluruh & penjelasan makalah penelitian setiap minggu. (Saya akan mencoba yang terbaik untuk mereplikasi kertas juga! )

Jadi pantau terus dan tempel ladies & gentlemen!

Semoga peta jalan ini membantu Anda!

Pertimbangkan untuk mengikuti saya untuk konten yang lebih berharga tentang penelitian, Computer Vision & AI.

Sampai Lain Kali… ❤️