تبدیل شدن به یک متخصص یادگیری ماشین | گام اول: آماده سازی و تنظیم کردن ذهن

ما همیشه با سوالاتی از سوی توسعه دهندگان روبرو می شویم که می خواهند یادگیری ماشین را آغاز کنند، اما احساس می کنند گیر افتاده اند و نمی توانند به موضوع ورود پیدا کنند. عموما، چیزی که مانع ورود آن ها می شود باورهای محدودکننده خودشان است. تلاش می کنیم مروری بر متداول ترین این باورها داشته باشیم و راه هایی را برای عبور از آن ها معرفی کنیم. وقتی از این سدهای ذهنی خود عبور کنید، دیگر مانعی جلوی حرکت رو به جلوی شما به سمت اهداف تان وجود نخواهد داشت.

باورهای محدودکننده

باور محدودکننده ای که من را بیش از همه عقب نگه داشته بود، انتظار برای شروع بود! دائما انجام اولین پروژه یادگیری ماشین ام را به تعویق می انداختم چون فکر می کردم هنوز لازم است پیش نیازهایی را برای آن انجام دهم. حالا آن پیش نیاز می توانست خواندن یک مقاله پژوهشی باشید یا کامل کردن یک دوره آموزشی آنلاین. همیشه چیزهای بیشتری وجود داشت که می خواستم قبل از شروع کردن و حرکت به جلو آن ها را نیز یاد بگیرم.

برخی از باورها و افکار محدودکننده دانشجویان علاقه مند به یادگیری ماشین:

  • باید اول مدرک ام را بگیرم.
  • باید حتما یک دوره آموزشی مرتبط بگذرانم.
  • باید تئوری احتمالات و آمار را خوب یاد بگیرم.
  • باید در برنامه نویسی پایتون (Python) یا R حرفه ای بشوم.
  • باید جبر خطی بلد باشم.

همه این حرف ها چرند هستند. می توانید همین الان شروع کنید و اولین مدل رگرسیون (Regression) یا طبقه بندی (Classifier) خود را اجرا کنید. بدیهی است که ممکن است مدل شما خیلی خوب کار نکند یا مشکلاتی داشته باشد،‌ اما هل دادن و پیش راندن ارابه پیشرفت تان در این مسیر مهم تر از عالی و بی نقص بودن در آن است. علاوه بر آن، وقتی شما پروژه ای را تمام می کنید، همیشه درک بهتری از ضعف های خود پیدا می کنید و می فهمیپد پروژه بعدی که باید روی آن تمرکز کنید چیست!

هیچ دلیلی وجود ندارد که همین الان دست به کار نشوید.

اولین تجربه من در یادگیری ماشین، شرکت در کلاس آنلاین دکتر اندرو ان جی (Andrew NG) بود. می توانید حتی بدون پرداخت هزینه دوره آموزشی رو بگذرانید و تنها چیزی که از دست می دهید، یک Certificate است و نه دانش یادگیری ماشین!

نداشتن اعتماد به نفس

یکی از متداول ترین باورهای بازدارنده نداشتن اعتماد به نفس نسبت به توانایی خود در یادگیری و به کارگیری تکنیک های یادگیری ماشین در مسائل واقعی است.

طبق تجربه من اصلی ترین این دست باورها عبارت اند از:

  • همه متخصصان دیتا و مهندسان یادگیری ماشین دکترا دارند. چون من ندارم، پس به این معنی است که من نمی توانم به این عرصه ورود کنم.
  • اگر من یادگیری ماشین را شروع کنم، احتمالا نصفه کاره رهایش می کنم و نمی توانم ادامه اش دهم. این طوری بیشتر خود را مسخره کرده ام.
  • من به اندازه کافی برای یادگیری چنین موضوعی باهوش نیستم.

یک رودخانه از میان صخره ها راه خود را باز می کند، نه به خاطر توانایی اش، بلکه به خاطر پافشاری و سماجت اش. (جیمز واتکینز)

هر کسی در ابتدای کار خرابکاری های زیادی می کند، اما با پشتکار و پافشاری است که انسان ها مهارت پیدا می کنند و بهتر و بهتر می شوند. وقتی وارد این عرصه می شوید ممکن است که شما احساس خیلی باهوش بودن نکنید، اما شما نباید اجازه دهید این مسأله جلوی تلاش تان را بگیرد.

انتظار برای رسیدن وقت مناسب

یکی از انواع به تعویق انداختن ورود به عرصه یادگیری ماشین، نه به خاطر نداشتن دانش بلکه به خاطر نداشتن وقت و یا شرایط ایده آل است.

این شرایط معمولا به حالت های زیر ممکن است رخ دهد:

  • کامپیوتر من به اندازه کافی برای برنامه نویسی یادگیری ماشین قوی نیست.
  • من فعلا دانشجو هستم.
  • من برنامه نویس خوبی نیستم.
  • شغل ام وقت زیادی از من می گیرد.
  • وقت کافی ندارم.
  • تجربه کافی ندارم.

بدیهی است که ساعت ها زمان و تلاش بسیار لازم است تا در یادگیری ماشین ماهر شوید، اما شروع کار می تواند به سادگی صرف هفته ای ۵ ساعت برای به سرانجام رساندن یک پروژه کوچک است. بهترین زمان برای کاشتن درخت ۱۰ سال پیش بود. اما زمان مناسب دوم، همین الان است!

در این جا لیستی از هشت پروژه ای که همین امروز می توانید بر روی آن ها شروع به کار کنید را پیدا خواهید کرد. (اینجا را کلیک کنید)

قبلا این کار را آزمایش کرده ام و شکست خورده ام

چهارمین باور خودبازدارنده چیزی است که در دانشجویان بسیار دیده می شود. احساس این که آن ها چون در گذشته شکست خورده اند، اکنون نیز شکست خواهند خورد. این باور دور از حقیقت نیست.

افرادی که این باور بازدارنده را دارند معمولا می گویند:

  • من فلان چیز را نمی فهمم.
  • نمی دانم بعد از این چه باید بکنم.
  • احساس می کنم ذهنم اشباع شده است.
  • برنامه ای که نوشتم کار نمی کند.
  • من هیچ وقت نمی توانم به خوبی فلان کس شوم.

امروزه ابزارها و دوره های آموزشی جدید بسیاری وجود دارند که می توانند به مهندسان تازه وارد یادگیری ماشین کمک کنند. این زمینه تحقیقاتی پیچیده است ولی حقیقتا نه پیچیده تر از مهارت هایی هم چون برنامه نویسی. باید برای پرورش مهارت تان کوشا باشید و وقت زیادی صرف کنید و تجربه کسب نمایید.

توصیه ما این است که در ابتدای کار هرگز وارد پروژه های بزرگی که باعث ناامیدی و خستگی می شود، نشوید. با پروژه های کوچک شروع کنید و مهارت تان را آجر به آجر بسازید.

چه چیزی شما را عقب نگه می دارد؟

آیا تا به حال چنین باورهای خودبازدارنده ای داشته اید؟ چطور از آن ها عبور کردید؟ شناخت احساسات خود اولین گام برای تغییر رفتارتان در جهت رسیدن به هدف تبدیل شدن به یک متخصص یادگیری ماشین است.

این مطلب بخشی از یک مجموعه مطالب مرتبط با هم است. برای دیدن مطلب آغازین و همین طور بخش های دیگر از لینک های زیر استفاده کنید:

مطلب آغازین: طی ۵ مرحله به دنیای یادگیری ماشین قدم بگذارید
گام دوم: دنبال کردن یک پروسه
گام سوم: انتخاب یک ابزار
گام چهارم: تمرین، تمرین، تمرین
گام نهایی: ساخت پورتفولیو