دانش در مهندسی شیمی
دانش در مهندسی شیمی نقطه شروع خوبی برای درک شیمی مواد است. این به من کمک کرد تا داده های جمع آوری شده را درک کنم و الگوهای موجود در داده ها را با سهولت بیشتری شناسایی کنم. اینجا زمانی است که متوجه می شوم - داده ها تنها زمانی مفید هستند که فرد بتواند آن را به درستی درک کند و به آن معنا بدهد. برای اینکه یک دانشمند داده واقعاً ماهر باشید، باید متخصص موضوع نیز باشید.
سایت سفارش ساخت سایت سایت
علاوه بر این، این تجربه به من مهارت های تجسم سازی با در نظر گرفتن مخاطب نهایی را به من آموخت، زیرا مخاطبان مختلف دانش فنی متفاوتی در دست دارند. تجسم مناسب ارائه ها را بسیار شهودی و قابل درک تر می کند.
4. MOOCs علم داده
نقطه‌های تجربیات کارآموزی‌ام را به هم وصل کردم و متوجه شدم که به داده‌ها علاقه زیادی داشته‌ام - بنابراین شروع به جستجوی دوره‌های علوم داده کردم. اولین دوره من دوره یادگیری ماشینی Andrew Ng در Coursera بود.
من علاقه مند شدم و با دوره های بیشتری در مورد ساختار داده، جبر خطی، احتمال، آمار، یادگیری عمیق و غیره ادامه دادم. در پست زیر، نحوه یادگیری علم داده را توسط خودم برجسته می کنم:
بخش 1: SQL، Python و R
قسمت 2: یادگیری ماشینی (به زودی)
بخش 3: آمار و احتمال (به زودی)
سابقه من در مهندسی به من کمک کرد تا یادگیری ماشینی را به صورت ریاضی با استفاده از مفاهیم جبر خطی و حساب چند متغیره درک کنم. به عنوان مثال، مهندسان شیمی جبر خطی و حساب دیفرانسیل و انتگرال چند متغیره را برای انجام بهینه سازی عددی می آموزند - چه با استفاده از شیب نزول یا روش نیوتن - زیرا مهندسان شیمی به طور مداوم برای بهترین عملکرد بهینه سازی می کنند.
همه این تجربیات به من کمک کرد اولین نقش واقعی خود در علم داده را در سازمان حمل و نقل زمینی (LTA) به دست بیاورم.
4. کارآموزی علوم داده با سازمان حمل و نقل زمینی (LTA): همه را با هم جمع می کند
این اولین فرصت من برای تجربه خط لوله علم داده از ابتدا تا انتها بود.
LTA یک هیئت قانونی زیر نظر وزارت حمل و نقل است
انجام پروژه انجام پروژه متلب متلب
مشکل
ما هر روز با روش های مختلف حمل و نقل از مکانی به مکان دیگر سفر می کنیم. توانایی پیش‌بینی الگوهای حرکت شهروندان با استفاده از روش‌های مختلف حمل‌ونقل، به برنامه‌ریزی شهری در سنگاپور کمک زیادی می‌کند. بنابراین، آیا می‌توانیم بر اساس حسگرهای تلفن‌هایمان پیش‌بینی کنیم که یک کاربر در چه مسیری سفر می‌کند؟
راه حل
وقتی در سفر بودم، داده‌های حسگر شتاب و چرخش را روی تلفنم جمع‌آوری کردم. سپس داده ها با استفاده از تکنیک های پردازش سیگنال (تبدیل فوریه) پیش پردازش می شوند. با استفاده از این داده ها، یک مدل چند کلاسه برای پیش بینی 4 حالت سفر ساخته شد: پیاده روی، قطار، اتوبوس و بیکار (غیرحرکت).
نتایج خیلی ضعیف نیستند - این مدل توانست به طور قابل توجهی بهتر از یک مدل پایه که یک روش حمل و نقل را همیشه پیش‌بینی می‌کند، عمل کند. در نهایت، من توانستم به یکی از سطوح C LTA ارائه دهم - این شخصاً یک تقویت کننده اعتماد به نفس عالی بود و واقعاً به من انگیزه داد تا در این مسیر ادامه دهم.
ارائه (کد و اسلایدها اینجا هستند)
6. پروژه ها
در طول مسیر، مدتی را نیز صرف ساختن چندین پروژه دیگر کرده ام که واقعاً به ایجاد درک من در مورد این موضوعات کمک کرده است.
یک پروژه بینایی کامپیوتری: یک آشکارساز احساسات در زمان واقعی با استفاده از Keras و OpenCV
پروژه تجسم سازی تابلو: "علم داده در سراسر جهان چقدر متفاوت است؟"
یک پروژه آماری: "آیا هزینه های بالاتر منجر به آموزش ضعیف تر می شود؟"
در اوقات فراغت در مورد یادگیری ماشینی و آمار نیز می نویسم. در اینجا برخی از پست های وبلاگ من آمده است:
چه چیزی غذا عالی را ... عالی می کند؟ (استفاده از ML و نمودارهای وابستگی جزئی در جستجوی یک غذا خوب)
تفسیر مدل های یادگیری ماشینی جعبه سیاه با استفاده از LIME (درک پیش بینی کننده سرطان سینه)
7. کلمات پایانی
همه این تجربیات من را به جایی که امروز هستم می‌رساند - به‌طور باورنکردنی برای آنچه که به‌عنوان یک تحلیلگر داده‌ها برایم پیش می‌آید هیجان‌زده هستم.
من قصد دارم در طول مسیر به عنوان یک تحلیلگر داده به نوشتن در مورد یادگیری خود ادامه دهم. در همین حال، من همچنین یک Micromasters در آمار و علم داده توسط MITx (که به جرات می‌توانم بگویم یکی از چالش‌برانگیزترین کارهای دوره‌ای است که تا کنون داشته‌ام) را دنبال می‌کنم، و امیدوارم در نزدیکی کارشناسی ارشد در علوم داده / هوش مصنوعی / علوم کامپیوتر آینده.
اگر راهنمایی یا سوالی در مورد من دارید، لطفاً در لینکدین من به من مراجعه کنید یا در زیر نظر خود را بنویسید. :)
طراحی لوگو با بهترین طراحان لوگو
با تشکر فراوان از سوفی برای بازخوردش در مورد این پست.
[ بازدید : 1022 ] [ امتیاز : 3 ] [ نظر شما : ]
