عندما قررت أولًا التفكيك في الذكاء الاصطناعي والتعلم الآلي، كان شعورك كأنك تخرج إلى معبد دون خريطة. في جميع الأماكن التي رأيت ، كان هناك تدريبات لا نهاية لها ، رسائل على مدونات المدونات ، ومحطات التفتيش التي وعدت النجاح في ليلة واحدة. ولكن عميقًا، لم أستطع التفكير: هل تعلم الأشياء الصحيحة؟ أو الأسوأ.. هل نفقد وقتنا؟ لقد فعلت كل الأخطاء الكلاسيكية: 
 
 
 
 
 أحاول أن أحاول أن أطرح أساليب عجيبة بدلاً من بناء مشاريع حقيقية. أذهب إلى المواضيع المتقدمة قبل التعلم الأساسية لقد أقلعنا عن أهمية المهارات التنفيذية في الواقع. كنت أعتقد أن معرفة بعض الكترونية كافية - ولم يكن ذلك إذا كان يمكنني أن أبدأ اليوم ، مع معرفة كل ما أعرف الآن ، فلن أتبع طريقًا أكثر صرامة وأقل صرامة. واحد يُمكّنك من بناء مهارات مستعدة للعمل بدلاً من أن تترككك في "ممارسة التعلم" لا نهاية لها. في هذه المقالة، أعدت على وجه التحديد كيفية فعل ذلك. المهارات الرئيسية التي يجب التركيز عليها، والموارد التي تستحق حقا وقتك، والغارات التي تحتاج إلى تجنبها لتذهب من المبتدئين إلى العمل المستعد في AI / ML بسرعة ممكنة. دعونا نضع في الخطوة الأولى: Master Python و Core Libraries لا بيترون، لا AI. هذا بسيط. قبل أن تفكر حتى في نموذج التعلم الآلي، تحتاج إلى الحصول على التفكير في Python ومكتبات البيانات الأساسية.هذه هي الأدوات اليومية التي ستعتمد عليها لتنظيف البيانات، وبناء النماذج، وتصوير النتائج. انخفض هذا الخطوة، وكنت تركز نفسك على الفشل. Key Topics: 
 
 
 
 
 
 
 Intro to Python – Syntax, functions, loops و OOP Advanced Python - فكرة Python محددة عن AI scikit-learn - تطبيق ألغاز ML NumPy - الكمبيوتر الرقمي والتقارير Matplotlib & Seaborn - رؤية البيانات PANDAS – التحكم في البيانات وتحليلها إرسال إلى Python Python المتقدم التلميح أرقام Matplotlib و Seaborn البندقية Resources: 
 
 
 CS50's Python Course - إدراج مفيد للمبتدئين Python for Data Science Handbook - التركيز على حالات استخدام AI / ML دورة Python CS50 Python for Data Science إرشادات 3 - 4 أسابيع Timeline الخطوة 2: بناء قاعدة الرياضيات الورقية معظم المبتدئين يغادرون هذه الخطوة. خطأ كبير إذا لم يكن لديك الألغرافية الصلبة، والمخاطر، والتمثيل، فلن تفهم ما تقوم به النماذج في الواقع، وسوف تتوقف عن نسخ الدروس بدلاً من إنشاء الحلول الحقيقية، ولن تكون قادراً على التعديل أو التعديل أو الثقة في عملك. Key Topics: 
 
 
 
 الألغراف اللوجيستية - الألغراف ، القيم الذاتية ، و الفئات المركبة. احتمالات وإحصاءات - التفكير الباليزي، والتوزيع، والتحقق من الخبرة. الحسابات - النتائج ، التكاملات ، التقدم ، التكامل. ألبرت ألبرت احتمالات وإحصاءات الحساب Resources: 
 
 
 
 Essence of Linear Algebra (3Blue1Brown) – أفضل تفسير بصري أكاديمية خان - الحسابات المتعددة المتغيرات - الترددات والتحسين إدراج في احتمالية (MIT) - تغطي الأهمية في احتمالية ألبرت ألبرت ألبرت ألبرت (3Blue1Brown) أكاديمية خان - الحسابات المتعددة إدراج في احتمالية (MIT) 4-6 أسابيع Timeline: الخطوة 3: تعلم أساسيات التعلم الآلي هذا الجزء صعب. ولكن هذا هو نقطة تحول حيث تتوقف عن أن تكون مبتدئا. تعلم الأساسيات ، وسوف تبدأ في التفكير مثل مهندس AI / ML الحقيقي - التعرف على المشاكل في وقت مبكر ، وتحديث النماذج بسرعة ، وتطوير الوعي اللازم لمشاريع العالم الحقيقي. لا تنسى هذه الخطوة Key Topics: 
 
 
 
 التعلم المستمر vs. التعلم غير المستمر تعزيز التعلم التعلم العميق التعلم المستمر vs. التعلم غير المستمر تعزيز التعلم التعلم العميق Resources: 
 
 
 
 
 Google ML Crash Course - مقدمة سريعة إلى ML كتاب ML من مائة صفحة - المفاهيم المباشرة والممارسة الموارد المميزة AI / ML - مجموعة من أفضل الموارد المجانية آلة التعلم من قبل أندرو Ng - دورة الذهاب إلى الأساس برنامج Google ML Crash Course كتاب 100 صفحة ML الموارد المميزة AI / ML تعلم الآلة Andrew Ng 6-8 أسابيع Timeline: الخطوة 4: احصل على أيديك غريبة مع المشاريع الفلسفة لا تستخدمك، المشاريع تفعلها. إنشاء تطبيقات AI / ML الحقيقية - حتى الصغيرة. ننسى المحاضرات التي لا تنتهي، يمكنك التعلم من خلال السفر، من خلال القيام بأخطاء، من خلال معرفة الأشياء على الطريق. Key Topics: 
 
 
 
 
 Hands-On ML مع Scikit-Learn ، Keras ، و TensorFlow - دليل عملي إلى ML التعلم العميق العملية للكودور - دورات تدريبية في التعلم العميق مشاريع ML الهيكلية - تعلم كيفية بناء وتطوير النماذج إنشاء GPT الخاص بك - إنشاء نموذج مثل GPT الصغير Hands-On ML مع Scikit-Learn ، Keras ، و TensorFlow دراسة عميقة للكود مشاريع ML الهيكلية إنشاء GPT الخاص بك المستمر Timeline: الخطوة 5: تعلم عن MLOps النماذج التدريبية هي البداية فقط. تعلمك MLOps كيفية تطوير وتتبع وتوفير النماذج في العالم الحقيقي - على نطاق واسع. هذه هي المهارات التي تختلف عن المهنيين من المهنيين - وأيضًا تلك التي تتحمل الشركات حقًا. Key Topics: 
 
 
 
 Intro to MLOps - أساسيات MLOps Full Stack Deep Learning - تطوير ML بالكامل ثلاثة مستويات من برنامج ML - أفضل الممارسات لإنتاج ML الدخول إلى MLOPS الكمبيوتر Full Stack Deep Learning ثلاثة مستويات من برنامج ML 3-4 أسابيع Timeline: الخطوة 6: التخصص وبمجرد اكتشاف الأساسيات، . حان الوقت للذهاب إلى الدماغ اختر التركيز - NLP ، Transformers ، Computer Vision - واكتسابها. الخبرة تحولك من "مستقبلك ذو قدرة" إلى "مستقبلك ذو قدرة". Key Topics: 
 
 
 
 
 
 رؤية الكمبيوتر - AI المعتمد على الصورة التعلم العميق - الشبكات العصبية المتقدمة معالجة اللغات الطبيعية - الذكاء الاصطناعي على أساس النص Transformers – الأكاديمية خلف ChatGPT تعزيز التعلم - اتخاذ القرارات AI رؤية الكمبيوتر التعلم العميق معالجة اللغة الطبيعية تحويلات تعزيز التعلم المستمر Timeline: الخطوة السابعة: البقاء على قيد الحياة AI يتحرك بسرعة. أضرب، وسوف تكون قد انتهت. للبقاء على أعلى مستوى، . تتبع الأبحاث المتقدمة والإنشاءات التي تشكل المجال هذا هو الطريقة التي تحافظ على المهارات الخاصة بك ذات الصلة وموقعك المنافسة. Key Topics: 
 
 
 ArXiv - أفضل مكان للعثور على رسائل البحث عن AI Open AI Key Papers in Deep RL - مجموعة من الملفات المطلوبة قراءتها من OpenAI الملف ابدأ الكتب الرئيسية في Deep RL Key Creators: 
 
 
 
 
 
 
 
 بول ياسمين بوليو Perrone ماكسيم ليبون الشتاء البارد داميان Benveniste ستيفن راشاشا ماريا ميريدي، د. بول ياسمين بوليو Perrone ماكسيم ليبون الشتاء البارد داميان Benveniste ستيفن راشاشا ماريا ميريدي، د. المستمر Timeline: الخطوة 8: إعداد استشارة عمل . Interviews prep ليست خيارًا تحتاج إلى أن تكون قادراً على تفسير النماذج، وتحميلها مباشرة، وتصميم أنظمة الذكاء الاصطناعي / ML من البداية.إذا لم تتمكن من إثبات ذلك خلال مقابلة، فمن المتوقع أن تسمع "نحن سنعود إليك". لا توقف هنا - أن تكون مستعدة يجعل كل الفرق. Key Topics: 
 
 
 Intro to ML Interviews - الأسئلة الشائعة في مقابلة ML تصميم أنظمة ML - تصميم أنظمة لـ AI فيديوهات ML Interviews تصميم أنظمة ML 4-6 أسابيع Timeline: النتيجة حان الوقت لعدة سنوات من المحاولة والخطأ لإزالة الصوت وتحديد ما هو بالضبط مهم في AI / ML. لا تحتاج إلى ضياع هذا الوقت. . اتبع هذا الخريطة، وسوف تذهب من المبتدئين الكاملين إلى مهندس AI / ML مستعد للعمل أسرع وأكثر ذكاءً وأكثر قوة من أي شخص يحاول "التفكير" بنفسه. لا شائبة، لا قصيرة، فقط المهارات الحقيقية التي تتراوح بين الشركات. ضع في العمل ، البقاء غير مألوف ، وسوف تكون جاهزة لأي شيء يأتي في طريقك. لنتعرف على الجانب الآخر. هل تريد أن تسمع مني أكثر من مرة؟ اتصل بنا على LinkedIn! ! اتصل بنا على LinkedIn اتصل بنا على LinkedIn أنقذوا الملاحظات، النصائح، والتحديثات التي يمكن أن تساعدك على تجنب الأخطاء تكلفة وتبقى على قيد الحياة في عالم الذكاء الاصطناعي. اليومية هل أنت مهنياً تكنولوجيًا تريد أن تنمو عمرتك من خلال الكتابة؟ لا تنسى رسالتنا الإخبارية! لا تنسى رسالتنا الإخبارية! يتم تجميعها مع استراتيجيات التصوير الفوتوغرافي والمشاركة التي تساعد على مضاعفات المهنيين وتسريع نموهم. تلقائياً تلقائياً تلقائياً تلقائياً. تلقائياً تلقائياً تلقائياً تلقائياً.

The is an opinion piece based on the author’s POV and does not necessarily reflect the views of HackerNoon.

Walkthroughs, tutorials, guides, and tips. This story will teach you how to do something new or how to do something better.

This story will praise and/or roast a product, company, service, game, or anything else people like to review on the Internet.

👉 Join The Tech Audience Accelerator 👈

Read My Stories

تم إنتاج هذا الصوت باللغة الأصلية للقصة!

من المبتدئين إلى AI / ML Pro في 2025: خطة خطوة من الخطوة التي تجعلك موظفًا

About Author

تعليقات

شنق العلامات

تم تقديم هذه المقالة في

Related Stories

Best Mobile App Development Companies

The shortage of women in tech

Top Ecommerce Development Companies

Anomaly Detection of Time Series Data using Machine Learning & Deep Learning

Best Mobile App Development Companies

The shortage of women in tech

Top Ecommerce Development Companies

Anomaly Detection of Time Series Data using Machine Learning & Deep Learning

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps