Bắt đầu với Deep Learning. Cách Thực Tế
150 ngày để trải nghiệm và thành tựu trong thế giới thực.
Đây sẽ là một chuyến đi , vì vậy hãy sẵn sàng để cảm thấy không thoải mái! (Sowwy)
Tôi mang đến cho bạn lộ trình cá nhân của tôi với các tài nguyên chọn lọc mà tôi đã theo dõi/bảo đảm. Ngoài ra, được truyền tải là câu chuyện sinh viên đại học của tôi từ khi bắt đầu là một người mới bắt đầu tuyệt đối cho đến một kỳ thực tập nghiên cứu tuyệt vời ở nước ngoài về DL/AI.
☣ TUYÊN BỐ MIỄN TRỪ TRÁCH NHIỆM:
Lộ trình của anh ấy dựa trên các nguyên tắc cá nhân sau:
- HỌC THEO YÊU CẦU. Đừng sử dụng MOOCS, sách và hướng dẫn. Không có lý do gì khiến chúng ta choáng ngợp với tất cả những thông tin và kiến thức mà chúng ta sẽ không sử dụng hoặc áp dụng. Làm bẩn các dự án thực hành càng sớm càng tốt.
- HÃY KIÊN TRÌ: Chúng tôi là kỹ sư! Chúng tôi tìm ra nó.
- Chủ động, DI CHUYỂN nhanh & THỰC HIỆN dữ dội.
- LỰA CHỌN CỐ VẤN thật cẩn thận.
Giai đoạn — 1: Thực hiện cơ bản (40 ngày)
☕ Câu chuyện của tôi:
Sinh viên năm thứ nhất tại IIT Mandi…
Quá trình suy nghĩ của mọi người lành mạnh (bao gồm cả của tôi) :
Tìm hiểu những điều cơ bản Xây dựng nền tảng lý thuyết vững chắc cho kiến thức làm việc Nhận ý tưởng & dự án tốt Nhận trải nghiệm thực tế.
☝ là RÁC TUYỆT ĐỐI!
Tôi đưa ra tuyên bố đó sau 3 năm nghiên cứu về Computer Vision & AI
May mắn thay, người giám sát nghiên cứu của tôi (và giáo sư cố vấn đầu tiên) đã đặt tôi cùng với một sinh viên Thạc sĩ để làm việc trong một dự án CV/DL, ngay cả khi tôi không biết **** về ML.
Hóa ra tôi vẫn ổn … Vì vậy,
Quy trình “hành động” mới (điên rồ) của-mortal:
Bắt đầu công việc trước khi bạn có nó!
“Nhưng Aryannnnnnn?? Điều đó có nghĩa là gì????”
- Nếu bạn đang học đại học; đánh bất kỳ và mọi giáo sư để làm việc với họ trong một trong những dự án đang diễn ra của họ .
- Nếu bạn đang làm một công việc không liên quan/thất nghiệp, hãy liên hệ với Nhóm ML, Kỹ sư ML hoặc ra ngoài và tìm công việc liên quan đến ML để cộng tác !
- Để khóc thành tiếng, hãy tìm công việc tự do, xem mô tả công việc mà bạn không đủ tiêu chuẩn nhưng cho là hay - Bắt đầu tự xây dựng những dự án đó.
Tìm kiếm và bắt đầu một dự án. Tốt nhất là Đang thực hiện.
Bây giờ đến phần bổ sung nhưng bắt buộc mà bạn sẽ làm trong khi tìm kiếm/làm việc với dự án chính mà chúng ta đã nói ở trên:
- learnpytorch.io : Một nguồn tài nguyên tuyệt vời để cung cấp cho bạn hương vị của vòng đời hoàn chỉnh của Dự án ML, sao chép trên giấy và triển khai mô hình. Ngoài ra, hãy xem qua tất cả các tài nguyên bổ sung nếu bạn có thể!
QUAN TRỌNG : Làm bài tập trong mỗi chương! Đọc sẽ không giúp ích gì cả.
2. Một chút về GPU. Thật tốt khi biết về phần cứng mà bạn đang chạy tất cả những điều tuyệt vời này trên . Tôi muốn giới thiệu một số video đầu tiên của danh sách phát : Nguyên tắc cơ bản về Kiến trúc GPU của CoffeeB BeforeArch.
QUAN TRỌNG : Tìm kiếm trên internet các loại GPU khác nhau, thông số kỹ thuật, chi phí, cách lập trình chúng, v.v. NHƯNG KHÔNG lãng phí quá nhiều thời gian cho phần này. (~0.5h/ngày là quá đủ)
Giai đoạn — 2: Nền móng (40 ngày)
Bây giờ bạn nên tích cực làm việc trên một dự án ❗
☕ Câu chuyện của tôi: Tôi bắt đầu dành khoảng 8 giờ cho dự án như 8–5 và sử dụng số giờ còn lại cho những việc bổ sung & bắt buộc. Tôi đã có sự sang trọng khi là một sinh viên chưa tốt nghiệp!
Tuy nhiên, trong giai đoạn này, tôi bắt đầu xử lý văn bản phức tạp hơn một chút. Đây là những gì tôi đã làm trong khi làm việc không ngừng trong dự án chính:
- Skimmed Deep Learning của Ian Goodfellow. Tuy nhiên, tôi muốn giới thiệu cuốn sách web miễn phí và có lẽ là một trong những cuốn sách tuyệt vời nhất ở đây: Dive Into Deep Learning . Đừng lướt qua nó. Nuốt chửng nó.
- Nhiệm vụ thứ hai và cũng là nhiệm vụ chính của bạn : Khám phá các lĩnh vực sau : Thị giác máy tính (duhh), Xử lý ngôn ngữ tự nhiên, Học tăng cường, Học âm thanh & lời nói và Hệ thống đề xuất/Trải nghiệm khách hàng. Sau đó chọn một lĩnh vực nói với bạn nhiều nhất và chọn cuốn sách mới nhất và thiết thực nhất về lĩnh vực đó.
PHẢI: Thực hiện đồng thời các bước 1 & 2 để có kết quả và hiểu biết sâu sắc hơn.
☕ Câu chuyện của tôi: Tôi coi Thị giác máy tính là lĩnh vực chuyên môn của mình (giống như dự án chính của tôi) và chọn cuốn sách: Thị giác máy tính: Phương pháp tiếp cận hiện đại để giải trí cùng với khóa học Tối ưu hóa lồi thực hành & trực tiếp được giảng dạy tại IIT Mandi. Khoảng thời gian siêu bận rộn và đầy thử thách so với những gì tôi đã trải qua trước đây. Yêu nó từ trong ra ngoài!
Mẹo chuyên nghiệp:
Ghi lại/Nhật ký những gì bạn cảm nhận về hành trình để tìm hiểu xem bạn có muốn làm điều này hay không!
Dù sao đi nữa, đây là những MỤC TIÊU CHÍNH của giai đoạn 2:
Chính: Bắt đầu dành nhiều thời gian hơn cho dự án chính!
Thứ hai: Chọn một lĩnh vực chuyên môn hóa sau khi nghiên cứu và cân nhắc kỹ lưỡng.
Cấp ba : Tìm hiểu về chuyên môn của bạn & Học sâu cùng lúc từ các tài nguyên được đề cập ở trên.
Giai đoạn — 3: Yếu tố cần thiết (40 ngày)
Nếu 2 giai đoạn trên được thực hiện siêu tốt, hãy giữ ngựa của bạn!
Bạn vẫn chưa sẵn sàng. Tuy nhiên …
BẠN PHẢI bắt đầu nghiên cứu các cơ hội và NỘP ĐƠN.
Đây là một nguồn tài nguyên tốt cho sinh viên chưa tốt nghiệp muốn tham gia thực tập nghiên cứu ở nước ngoài.
Nếu có cơ hội, Hey! Chúc mừng thành tích đầu tiên của bạn! Hãy chia sẻ thành tích của bạn với tôi tại đây !
- > Đọc tiếp để bạn có thể rút kinh nghiệm và xây dựng mối quan hệ tốt.
- > Đọc tiếp để chuẩn bị cho mình những kết quả to lớn phía trước!
Người phỏng vấn : Chúng tôi yêu thích sáng kiến, động lực và kinh nghiệm mà bạn đã có nhưng bạn cần chuyên môn hóa nhiều hơn cho vai trò này…
Ít nói…
Tôi nhận ra rằng tôi cũng cần một số loại chuyên môn học sâu.
Giai đoạn này có vẻ như là một cuộc rượt đuổi ngông cuồng nhưng hãy tin tưởng vào bản thân và kiên trì với nó.
Yêu cầu của cái này khá đơn giản:
Chọn kiến trúc (và bộ dữ liệu) dựa trên mô tả dự án mà bạn đã nghiên cứu trong các cơ hội mà bạn đang đăng ký hoặc thực sự mong muốn. Thực hiện chúng từ các tài liệu nghiên cứu của họ. Về cơ bản sao chép giấy.
Foxly-Advice: Hãy vượt ra ngoài CNN, chúng là những khối xây dựng tốt nhưng sẽ không cắt đứt sự cạnh tranh dành cho bạn.
Tiếp tục dự án chính là tốt! Đừng để nó cho đến khi bạn nhận được một ấn phẩm (nếu bạn có thể).
Làm bẩn tay bạn với các tài nguyên này:
- MLOps : Đây là sự kế thừa của DevOps nhưng dành cho Machine Learning! Một kỹ năng siêu tiện dụng để có.
- PHẢI : Giới thiệu về Các cuộc phỏng vấn ML của Chip Huyền . Đôi khi bạn phải mút nó và làm điều đó bằng mọi cách phải không? Không phải với cuốn sách này. Nó thực sự siêu mát mẻ!
Đây là sở thích cá nhân của tôi vì đây là nơi bạn đánh mất “trinh tiết học sinh” của mình và trở thành Kỹ sư/Nhà khoa học ML trong thế giới thực hoặc bất kỳ nhãn hiệu nào bạn thích. Tại đây, bạn sẽ không còn bị giới hạn trong môi trường học tập có cấu trúc và thế giới là của bạn.
Do đó, RfW hoặc Sẵn sàng cho Chiến tranh!
Vì vậy, bây giờ bạn là một con chó săn,
Khao khát những mục tiêu sau:
1. Thúc đẩy dự án chính của bạn hoàn thành/xuất bản.
2. Đảm bảo thực tập, việc làm và các cơ hội khác.
3. Phát triển thói quen đọc tài liệu nghiên cứu.
4. Tìm hiểu những phát triển mới nhất trong lĩnh vực của bạn.
Mục tiêu 1 và 2 hoàn toàn là trách nhiệm của bạn để nộp đơn, phỏng vấn và được chọn. Nếu bạn cần trợ giúp hoặc muốn chia sẻ thành tích của mình, hãy liên hệ với tôi trên LinkedIn ! :)
Tuy nhiên, để đạt được mục tiêu 3, bạn phải phát triển chiến lược đọc tài liệu nghiên cứu và lịch trình không bị gián đoạn.
> Chiến lược đọc của tôi sẽ chiếm toàn bộ bài đăng khác. Vì vậy, cho đến lúc đó…
Dù sao đi nữa, một số tài liệu nghiên cứu cần thiết (& dễ dàng) mà bạn phải xem qua hoặc nên xem xét khi bắt đầu là: AlexNet, U-Net, ResNets, GANs (2014), Chú ý là tất cả những gì bạn cần, v.v.
Sau những cái này, trách nhiệm của bạn là quan tâm và tiếp tục đọc những công trình nghiên cứu mới và phức tạp hơn!
LƯU Ý: Ý kiến của tôi có thể thiên về các Giấy tờ liên quan đến Thị giác Máy tính.
Bây giờ, một số lời khuyên khôn ngoan hơn để vượt qua đối thủ cạnh tranh của bạn và đạt được mục tiêu 4 cho giai đoạn này:
- Thiết lập tài khoản Twitter của bạn và theo dõi các nhà nghiên cứu, nhà giáo dục, giáo sư và công ty hàng đầu như openAI, Google Brain, v.v. — Tôi thích dành 30–40 phút để xem qua nghiên cứu mới được xuất bản hàng ngày.
- Luôn chú ý đến việc tuyển dụng các giáo sư thông qua các nền tảng như Twitter, LinkedIn, v.v. Đây có thể là một cơ hội lý tưởng để bạn chớp lấy.
- Các meme cũng sẽ giữ cho những thứ trần tục trở nên thú vị… hy vọng
Bài đăng này cũng đánh dấu sự khởi đầu của các bài đăng dưới hai dòng phụ:
1. Sê-ri con Cơ bản & Ứng dụng : Sê-ri này sẽ bao gồm các nguyên tắc về Thị giác máy tính/Học sâu (CV/DL), kiến thức cơ bản, ứng dụng, dự án, v.v.
2. Sê-ri phụ DL-Paper ( Được phát âm là Dell-Pepper ): Điều này sẽ bao gồm việc kiểm tra & giải thích kỹ lưỡng về một bài báo nghiên cứu mỗi tuần. (Tôi cũng sẽ cố gắng hết sức để tái tạo bài báo! )
Vì vậy, hãy theo dõi và dán kính thưa quý vị!
Hy vọng lộ trình này đã giúp bạn ra ngoài!
Hãy cân nhắc theo dõi tôi để có thêm nội dung có giá trị về nghiên cứu, Thị giác máy tính & AI.
Cho Đến Lần Sau... ❤️
![Dù sao thì một danh sách được liên kết là gì? [Phần 1]](https://post.nghiatu.com/assets/images/m/max/724/1*Xokk6XOjWyIGCBujkJsCzQ.jpeg)
