Введение

Это очень краткое описание этого курса. Закончив его, я почувствовал необходимость поделиться своим опытом и помочь другим людям, которые, возможно, подумывают о том, чтобы пройти тот же курс. Я надеюсь, что это может помочь кому-то решить, стоит ли проходить эту программу, как успешно закончить ее, извлечь из нее максимальную пользу и избежать ошибок, которые я сделал.

То, что я пишу здесь, является моим личным мнением и опытом, и, конечно, у кого-то может быть другое.

Что такое Удасити?

Для тех, кто еще не слышал об этом, Udacity — это онлайн-платформа для изучения технических навыков, таких как: наука о данных, программирование, искусственный интеллект, облачные вычисления и т. д. Инженер по машинному обучению Nanodegree в Udacity — это обширная программа, которая поможет вам подготовиться к рынку труда в этой области. Это междисциплинарная программа, которая учит вас многим ценным навыкам, таким как: разработка программного обеспечения, программирование на Python, облачные вычисления и машинное обучение.

Чему вы можете научиться на этом курсе?

Этот курс поможет вам научиться и понять, как выполнять реальные проекты машинного обучения в сочетании с облачным развертыванием в облаке Amazon. Это особенно ценно для тех, кто только что закончил университет и никогда не работал в команде. Понимание того, как идет процесс разработки программного обеспечения в реальной жизни, является ключом к тому, чтобы взломать рынок труда и найти работу. Для менее опытных разработчиков, которые, возможно, еще не получили возможности попрактиковаться в некоторых методах, используемых в этом курсе, это хорошее введение и отправная точка для получения дополнительной информации о: тестировании программного обеспечения, контроле версий, развертывании, проверке кода и т. д.

Кроме того, в этом курсе вы научитесь думать как специалист по данным, как задавать правильные вопросы и учиться на данных. Он научит вас, как шаг за шагом выполнять проекты машинного обучения и как улучшить результаты своей работы. Он также научит вас делать все это в облаке Amazon с помощью сервисов AWS и платформы машинного обучения Amazon SageMaker для обучения, тестирования и развертывания ваших моделей машинного обучения. Взгляните на мой Git-репозиторий необходимых проектов для этого курса. Мой подробный отчет о финальном проекте Capstone можно найти здесь.

Полную программу Syllabus можно загрузить с веб-сайта Udacity.

Кому может быть полезен этот курс?

Это было одним из самых больших открытий для меня во время прохождения курса. Я понял, что уже знаком с большинством тем этого курса. Таким образом, я, очевидно, получал от этого лишь ограниченную пользу. Тогда я спросил себя, кто мог бы извлечь наибольшую пользу из такого курса? Если вы относитесь к одной из перечисленных ниже категорий, то эта программа — то, что вам нужно:

  • Специалисты по данным, желающие улучшить свои навыки разработки программного обеспечения или навыки работы с облачными технологиями
  • Разработчик программного обеспечения, желающий войти в область машинного обучения и узнать об AWS
  • Младший разработчик программного обеспечения или специалист по данным, заинтересованный в облачных сервисах, особенно в платформе AWS и Amazon SageMaker.

Сколько времени это занимает?

На веб-сайте курса указано предполагаемое время 3 месяца при 10 часах в неделю. По моему опыту, это очень оптимистичная оценка. Это может работать так, только если вы можете выделить несколько часов работы каждый божий день. В идеале вы хотели бы работать над этим курсом по 6–8 часов в день, закончить его как можно скорее и не платить более высокую плату, чем необходимо.

В моем случае на завершение у меня ушло более 6 месяцев и две попытки. Моя ошибка заключалась в том, что я недооценил объем работы, необходимой для финального проекта. Основной причиной была очистка данных, необходимая для выполнения моделирования. Предоставленные наборы данных содержали большое количество противоречивых выборок данных. Например: символьные значения в числовых функциях, смешанные десятичные и целые значения, большое количество категориальных функций, которые выглядят как обычные числовые функции и т. д.

Выполнить правильную предобработку данных удалось только после прочтения и тщательного изучения дополнительных документов метаданных, подробно описывающих столбцы набора данных. Поскольку в наборах данных было большое количество столбцов, просмотр всех из них занял довольно много времени. Эта ситуация была на самом деле очень хорошей, потому что она точно такая же, как и в реальной жизни. Мы очень редко или почти никогда не получаем действительно чистых и аккуратных данных для работы. Чаще всего это сводится к правилу 80–20, где 80% времени тратится на очистку и предварительную обработку данных, и только 20% уходит на собственно обучение и разработку модели.

Сколько стоит курс?

Это не один из самых дешевых курсов на рынке. По этой причине разумно убедиться, что у вас будет достаточно времени, чтобы посвятить себя этому, прежде чем начинать его. Есть два обычных варианта с разными ценами:

  • Опция «Оплата по мере использования» с ежемесячной платой 399 долларов США или
  • «Оплата вперед» за 3-месячный доступ со скидкой 15% и общей стоимостью 1017 долларов США.

Есть и третий вариант, когда Udacity проводит акцию и дает скидку около 60–70%. В этом случае вы можете получить вариант «Оплата по мере использования» всего за 99 долларов в месяц, который я использовал.

Стоило ли это?

Краткий ответ: да, безусловно. Я много узнал о некоторых замечательных вариантах использования и проблемных областях из области машинного обучения. Структура и содержание курса очень хорошо согласованы с реальными проектами и необходимыми навыками. Я только хотел бы, чтобы я отнесся к этому более серьезно с самого начала, так что это не заняло так много времени, как это сделало, чтобы закончить это.