Pendekatan pembelajaran dapat dibagi menjadi prinsip "bagaimana mengajar" dan secara langsung "apa yang diajarkan". Bahkan dengan kurikulum yang baik ("apa yang harus dipelajari"), Anda dapat berakhir dengan sedikit kelelahan jika Anda belajar dengan tidak efektif. Karena itu, Anda harus terlebih dahulu menentukan prinsip mana yang efektif.
Saya hanya mengutip prinsip-prinsip yang saya gunakan sendiri, mulai dari yang jelas dan hingga yang banyak diketahui, tetapi tidak digunakan dalam pendidikan diri, meskipun itu tidak kalah universal. Secara umum, ini adalah prinsip yang sangat umum dalam mempelajari sesuatu, yang saya sedikit beradaptasi dengan spesifikasi pembelajaran mesin, dan menunjukkan contoh spesifik.
Prinsip-prinsip ini membantu saya untuk berpindah relatif cepat dari 1C ke data scientist dan dalam dua tahun untuk tumbuh ke level penanda tangan, dalam hal gaji dan otonomi (tautan ke artikel sebelumnya tentang ini)
Anda perlu memahami esensi, prinsip dan konsep, intuisi. Jangan coba-coba hanya mengingat
"Mengetahui beberapa prinsip menghilangkan kebutuhan untuk mengetahui banyak fakta"
"Lihatlah akarnya" (Kozma Prutkov)
Di sekolah dan perguruan tinggi, banyak yang menjadi korban pendekatan ketika penting untuk mempelajari sesuatu dengan menghafal atau mengetahui beberapa detail yang tidak penting. Saya ingat betapa kagumnya saya bahwa banyak profesor Amerika terkemuka yang mengajar kursus di coursera.org mencoba untuk pertama-tama menjelaskan intuisi berbagai pendekatan, termasuk pendekatan yang sepenuhnya matematis, alih-alih menunjukkan rumusnya. Dalam praktiknya, Anda sering kali tidak perlu mengetahui rumus persisnya (atau Anda akan punya waktu untuk mengingatnya). Tetapi untuk membuat keputusan yang tepat, Anda perlu dengan tegas mengingat prinsip dan logika yang ada di balik pendekatan yang berbeda.
Oleh karena itu, ketika Anda mempelajari matematika, prinsip-prinsip algoritme yang berbeda, atau bahkan rumus individual, penting untuk berkonsentrasi pada pemahaman hal-hal dan prinsip dasar di balik rumus-rumus ini, dan bukan pada menghafalnya.
(Andrew Ng), , , . , ( ).
, :
, - ,
( )
-
"" -
. , , ,
, :
(log-odds), ,
log-likelihood: log? ,
. , ,
" - 10% 90% ". .
, . - . .
, , - , , - , .
:
: 2-3 . , . : . - -
: -. , , Python -, http://pythontutor.ru/
: - : -, - , , - : " , ?". - ! , , / - , . ( , , , ).
2-3 . .
: ,
, , . , - - .
, . , , , . , . , , . .
, :
machine learning data science , , . , / . ( .).
, , , . . (, )
, , , . /, , . " " - , , ( ), .
3- , /, : , , , .
" ", , , , . , Andrej Karpathy, Tesla, - , .
:
, ; , ; , , .
.
- , .
, - , ! , .
- . .
", : — , — !" (.).
- . , . : , " ", .. , . . , , .. , (: Andrej Karpathy ).
- ( ), , . . , , , , . , ( ).
:
" . . . , . - . . , .
. . , , , …"
- Explore/exploit trade-off.
, , :
- . - - , , . - , , (, , ). : (explore) , (exploit). , , : - , , .
, , . , , , - - - (, ).
, - , . :
, / . , / , , - . . , , , - , . , , , , (!), , , , , , , - ..
, , .
. . , , . , - . , ? . , udemy.com coursera.org. : , - . /. , , , " ".
, / 20% . , , .
- : !
, .
, , , . . (!) , .
data science, . , , / . , " ": " -, ".
. , . , .
, , anki ankidroid . , . , ankidroid bash. , , , . .
. , , data science, . ( .. ).
.
, ( 2 ) , , .
: , .
Mungkin kita akan berbicara di telepon sekali dan itu sudah cukup untukmu. Tetapi saya di sini untuk membantu mengganti program kursus berbayar dengan memberi Anda kurikulum yang dipersonalisasi dan berbicara tentang buku terbaik dan kursus online serta cara menemukannya secara gratis. Artinya, Anda tidak hanya bisa belajar dengan lebih efisien, tetapi juga lebih murah. Janji Anda sudah cukup bagi saya sehingga ketika Anda merasakan hasilnya, Anda akan membayarnya sesuai keinginan Anda.
self.development.mentor di domain gmail.com, Oleg