Learning “Machine Learning” Teil 1

Im Internet gibt es sehr viele Tutorials und Blogbeiträge, was man alles mit Künstlicher Intelligenz (KI) erreichen kann.

Mich persönlich hat das Thema schon seit meinem Studium interessiert und im Jahr 2018 wollte ich endlich meinen Weg “Learning Machine Learning” beginnen.

Das Problem dabei war aber, dass ich zu wenig Erfahrung & Wissen hatte, so dass die meisten Blog Beiträge zu speziell waren. Hier sind einige Beispiele aus meinen aktuellen Lesezeichen:

• Being better at Machine Learning than Google — is it possible?

• A Quick Introduction to Text Summarization in Machine Learning

• How to build and deploy a lyrics generation model — framework agnostic

Gelesen habe ich die Artikel trotzdem, aber mehr als einen netten Einblick habe ich bisher dadurch nicht bekommen. Mir fehlt der größere Zusammenhang dabei.

Deshalb habe ich mich in Deutschland nach intensiven Kursen oder Workshops umgesehen. Leider, habe ich keine passenden gefunden.

Aber die Antwort “Ne, gibt es nicht” hat mir nicht gereicht. Ich wollte mich unbedingt mit dem Thema auseinandersetzen. Deshalb habe ich mir einen eigenen Weiterbildungspfad aufgestellt, der in dem folgenden Text beschrieben wird. Dabei habe ich einen Fokus auf solide Grundkenntnisse und praktische Anwendung gesetzt, denn meiner Meinung nach sollte immer beides vorhanden sein.

Viele Möglichkeiten - Meine erste Wahl

Zunächst habe ich mich auf der Lernplattform udemy.com umgesehen, dort habe ich auch zwei ziemlich brauchbare Kurse gefunden, die eine reine Videolaufzeit von jeweils 50h beinhaltet haben.

• Machine Learning

• Deep Learning

Das fand ich zwar schonmal ziemlich gut, aber in letzter Zeit hatte ich häufig das Gefühl, dass die Quiz / Übungsaufgaben auf der udemy Plattform nicht sehr fordernd waren. Also habe ich noch weiter recherchiert.

Durch unsere Microsoft — Partnerschaft wurde ich auf dessen Angebote aufmerksam. Über die Microsoft AI School kann man unter anderem seinen Lernpfad schnell mit einem Tool erstellen lassen.

Außerdem bietet Microsoft einen Lernpfad mit abschließendem Zertifikat an. Dieses Lernprogramm besteht aus 10 Kursen, die für den Abschuss abgearbeitet werden sollen.

Laut den Empfehlungen von Microsoft handelt es sich dabei um jeweils mind. 8h Lernaufwand. Mich persönlich hat aber die Vermutung abgehalten, dass ein Kurs von Microsoft womöglich eine gewisse Neigung in Richtung Microsoft Azure und die dort enthaltenden Technologien enthält.

Für mehrere Wochen hatte ich jedoch trotzdem geplant das Lernprogramm von Microsoft abzuschließen, da es einen sehr umfassenden Bereich abdeckt und ich so nicht mehrere Kurse nacheinander suchen und absolvieren müsste.

Doch dann hat sich der Plan geändert.

Gleiches Thema — neuer Plan

Bereits vor etwa einem Jahr bin ich auf Andrew Ng aufmerksam geworden. Damals habe ich die Deep Learning Spezialisierung von Andrew Ng direkt nach der ersten Veröffentlichung entdeckt. (deeplearning.ai, Deep Learning: Coursera)

Als Voraussetzung für diesen Kurs wird der Grundlagenkurs Machine Learning von Andrew Ng empfohlen.

Mit dem Gedanken “The best things in life are free” habe ich vor allem nach kostenlosen Möglichkeiten gesucht, wenn auch bspw. ein Nano Degree von Coursera sehr interessant ist.

Der Plan

Wie man sieht, gibt es zahlreiche Möglichkeiten, um das Thema Künstliche Intelligenz zu verstehen.

Nun habe ich genügend Links und Worte über die Recherche verloren, kommen wir doch einfach direkt zu meinem Ergebnis — meinem Weg um Machine Learning zu lernen.

1. Grundlagen Kurs Machine Learning von Andrew Ng

2. Teilnahme an einer Kaggle — Challenge für Anfänger

3. Practical Deep Learning for Coders

4. Teilnahme an einer Kaggle — Challenge

5. Deep Learning: Spezialisierung

6. Weltherrschaft oder Abendessen.

Wie ihr sehen könnt habe ich mich für Andrews Grundlagen Kurs zum Start entschieden. In diesem werden viele Algorithmen, die in den gängigen Bibliotheken direkt verfügbar sind, nochmal von Grund auf implementiert und erklärt. Durch das Bottom-Up Prinzips des Kurses möchte ich versuchen die Basics zu begreifen.

Durch die vielen Programmierungsaufgaben dürfte der Kurs trotzdem nicht zu theoretisch sein.

Im Anschluss daran möchte ich das erste Mal an einer Kaggle Competition teilnehmen und quasi direkt testen, wie viel mir der Kurs dabei geholfen hat.

Doch nur mit den Grundlagen gebe ich mich nicht zufrieden. Das spannende Thema Deep Learning möchte ich direkt danach angehen. Nachdem Andrews Kurs sehr auf ein tiefes Verständnis orientiert ist, möchte ich im nächsten Schritt bewusst das Gegenteil ausprobieren. Auf den Kurs fast.ai bin ich schon sehr gespannt.

Falls ich dann immer noch das Bedürfnis auf Lernkurse habe, so ist dann für Ende 2019 die Deep Learning Spezialisierung geplant, um nochmal ein tieferes Verständnis zu erlangen, falls das bis dahin überhaupt noch notwendig ist.

In den kommenden Wochen werde ich außerdem über meine Erfahrungen mit dem ersten Kurs berichten. Während ich diesen Artikel schreibe, bin ich nämlich schon fast mit dem Machine Learning Kurs auf Coursera fertig.