처음에 AI와 기계 학습에 개입하기로 결정했을 때, 그것은 지도를 가지고 있지 않은 미로에 들어가는 것처럼 느껴졌다. 내가 보던 곳마다 끝없는 튜토리얼, 블로그 게시물, 밤새 성공을 약속하는 부트캠프가있었습니다. 그러나 깊은 곳에서 나는 계속 궁금해했다 : 나는 올바른 것을 배우고 있습니까? 아니면 최악... 나는 내 시간을 낭비하고 있습니까? 나는 모든 전형적인 실수를 저질렀다 : 
 
 
 
 
 나는 진짜 프로젝트를 구축하는 대신에 빛나는 코스를 쫓았다. 나는 기본을 마스터하기 전에 고급 주제로 뛰어 들었다. 나는 배포 기술이 얼마나 중요한지 과소평가했다. 몇 가지 알고리즘을 알면 충분하다고 생각했는데, 그렇지 않았다. 내가 지금 알고있는 모든 것을 알고 오늘 다시 시작할 수 있다면, 나는 훨씬 더 날카롭고 어리석은 길을 따라갈 것입니다. 끝없는 "학습 모드"에 갇혀있는 대신 직업 준비 기술을 구축하는 하나. 이 기사에서, 나는 그것을하는 방법을 정확하게 설명하고있다. 집중해야 할 핵심 기술, 실제로 시간의 가치가있는 자원, 그리고 가능한 한 빨리 AI / ML에서 초보자에서 직업 준비로 이동하기 위해 피해야 할 함정. 안으로 다이빙을 해보자. 단계 1: 마스터 파이썬 및 코어 라이브러리 파이썬도 없고, AI도 없고, 그 정도로 간단하다. 심지어 기계 학습 모델에 대해 생각하기 전에 Python과 핵심 데이터 라이브러리에 대해 유연하게 배울 필요가 있습니다.These are the everyday tools you will rely on to clean data, build models, and visualize results. 이 단계를 건너 뛰고, 당신은 실패를 위해 자신을 설정하고 있습니다. Key Topics: 
 
 
 
 
 
 
 Python에 대한 소개 - Syntax, Functions, Loops, and OOP Advanced Python - AI-specific Python 개념 scikit-learn - ML 알고리즘 구현 NumPy - 숫자 컴퓨팅 및 배열 Matplotlib & Seaborn — 데이터 시각화 Pandas - 데이터 조작 및 분석 Python에 대한 소개 고급 Python 가르치기 숫자 Matplotlib & Seaborn 근처 오락거리 팬더 Resources: 
 
 
 CS50의 파이썬 코스 - 초보자 친화적 인 소개 Python for Data Science Handbook - AI/ML 사용 사례에 초점을 맞추기 CS50의 파이썬 코스 Python for Data Science 가이드북 : 3 ~ 4 주 Timeline Step 2: Rock-Solid Math Foundation을 구축하기 대부분의 초보자는이 단계를 건너 니다. 엄청난 실수 선형 알제브, 확률 및 계산이 없으면 모델이 실제로하는 일을 이해하지 못할 것입니다.당신은 실제 솔루션을 만드는 대신 튜토리얼을 복사하는 데 갇혀있을 것이며, 조정, 디버그 또는 자신의 작업을 신뢰할 수 없습니다. Key Topics: 
 
 
 
 Linear Algebra - 매트릭스, eigenvalues 및 벡터 스페이스 Probability & Statistics - Bayesian Thinking, Distribution, Hypothesis 테스트 계산 - 파생물, 통합, gradients, 최적화 Linear Algebra에 관하여 확률 & 통계 계산기 Resources: 
 
 
 
 Linear Algebra Essence (3Blue1Brown) - 최고의 시각적 설명 Khan Academy - Multivariable Calculus - Gradients & Optimization에 대한 리뷰 보기 Introduction to Probability (MIT) - 확률 핵심을 다룹니다. Linear Algebra의 본질 (3Blue1Brown) 칸 아카데미 - 다변수 계산 확률에 대한 소개 (Introduction to Probability (MIT) 4~6주 Timeline: 3단계: 기계 학습의 기초를 배우기 이 부분이 힘들다. 그러나 그것은 당신이 초보자가되는 것을 멈추는 전환점입니다. 기초를 마스터하고 진정한 AI / ML 엔지니어처럼 생각하기 시작하십시오 - 문제를 일찍 발견하고 모델을 신속하게 고치고 실제 프로젝트에 필요한 직관을 구축하십시오. 이 단계를 놓치지 마세요. Key Topics: 
 
 
 
 모니터링 vs. 모니터링 없는 학습 학습 강화 깊은 학습 모니터링 vs. 모니터링 없는 학습 학습 강화 깊은 학습 Resources: 
 
 
 
 
 Google ML Crash Course - ML에 대한 빠른 소개 백 페이지 ML 책 - 간결하고 실용적인 통찰력 Awesome AI/ML Resources — 최고의 무료 리소스 컬렉션 Andrew Ng의 기계 학습 - Go-to Foundational Course 구글 ML Crash Course 100페이지 ML 책 훌륭한 AI/ML 자원 기계 학습 Andrew Ng 6~8주 Timeline: 4 단계 : 프로젝트로 손을 더럽게하십시오. 이론은 당신을 고용하지 않습니다.프로젝트는합니다. 실제 AI/ML 애플리케이션을 구축하십시오 - 심지어 작은 애플리케이션을 구축하십시오. 끝없는 튜토리얼을 잊으십시오.당신은 배송, 실수를하고 길을 따라 물건을 파악함으로써 배우게됩니다. Key Topics: 
 
 
 
 
 Hands-On ML with Scikit-Learn, Keras, and TensorFlow - ML에 대한 실용적인 가이드 코더를위한 실용적인 깊은 학습 - Hands-on deep learning course 구조화된 ML 프로젝트 - 모델을 구조화하고 배포하는 법 Build Your Own GPT - 소규모 GPT-like 모델 만들기 Hands-On ML with Scikit-Learn, Keras, and TensorFlow에 대한 리뷰 보기 코더를위한 실용적인 깊은 학습 조직화된 ML 프로젝트 당신의 자신의 GPT를 만들기 진행중 Timeline: Step 5: MLOps에 대해 배우기 훈련 모델은 시작일 뿐이다. MLOps는 실제 세계에서 모델을 배포, 모니터링 및 유지하는 방법을 가르칩니다. 이것들은 취미가 전문가와 구별되는 기술이며 회사가 실제로 지불하는 기술입니다. Key Topics: 
 
 
 
 MLOps에 대한 소개 - MLOps의 기초 Full Stack Deep Learning - 전체주기 ML 배포 ML 소프트웨어의 세 가지 수준 - ML 생산을위한 최선의 관행 MLOPS 에 들어가기 Full Stack 깊은 학습 ML 소프트웨어의 세 가지 수준 3~4주 Timeline: 단계 6: 전문화 당신이 기초를 깨닫게 되면, . 깊이 들어갈 때가 왔습니다. 초점을 선택하십시오 - NLP, 변압기, 컴퓨터 비전 - 그리고 그것을 마스터하십시오. 전문화는 당신을 "착한 후보자"에서 "필요한 재능"으로 바니다. Key Topics: 
 
 
 
 
 
 컴퓨터 비전 - 이미지 기반 AI Deep Learning - 고급 신경 네트워크 자연 언어 처리 - 텍스트 기반 AI 트랜스포머스 - ChatGPT의 아키텍처 강화 학습 - 결정을 내리는 AI 컴퓨터 비전 깊은 학습 자연 언어 처리 변환자 학습 강화 진행중 Timeline: 7단계: 앞서 가라 AI는 빠르게 움직입니다. blink, 그리고 당신은 오래된 될 것입니다. 맨 위에 머무르기 위해서, . 최첨단 연구와 필드를 형성하는 창조자를 따르십시오. 이것은 당신이 당신의 기술이 관련되고 당신의 프로필이 경쟁력을 유지하는 방법입니다. Key Topics: 
 
 
 ArXiv — AI 연구 논문을 찾는 가장 좋은 장소 Open AI Key Papers in Deep RL - OpenAI의 필수 논문 컬렉션 아카이브 Deep RL에서 AI Key Papers 열기 Key Creators: 
 
 
 
 
 
 
 
 폴 이스틴 파울로 페로네 맥시마 Labonne 그리스도인의 날 데미안 벤베니스트 세바스티안 라치카 마리암 미라디, PhD 폴 이스틴 파울로 페로네 맥시마 Labonne 그리스도인의 날 데미안 벤베니스트 세바스티안 라치카 마리암 미라디, PhD 진행중 Timeline: 8단계: 직업 면접 준비 . 인터뷰 prep 옵션이 아닙니다 모델을 설명하고, 실시간으로 디버그하고, AI/ML 시스템을 처음부터 설계할 수 있어야 합니다.이를 인터뷰 중에 증명할 수 없다면, "우리는 당신에게 돌아올 것입니다."라고 말할 수 있습니다. 여기서 짧은 단계가 없습니다 - 준비가 모든 차이를 만듭니다. Key Topics: 
 
 
 ML 인터뷰에 대한 소개 - 일반 ML 인터뷰 질문 ML 시스템 설계 - AI를 위한 시스템 설계 ML 인터뷰 소개 ML 시스템 설계 4~6주 Timeline: 결론 나는 시도와 실수를 통해 소음을 끊고 AI / ML에서 실제로 중요한 것을 파악하는 데 수년이 걸렸다. 당신은 그 시간을 낭비 할 필요가 없습니다. . 이 도로지도를 따르고 완전한 초보자에서 직업 준비 AI / ML 엔지니어로 빠르고, 더 똑똑하고, 거의 모든 사람들이 스스로 "구상"하려고 노력하는 것보다 강해질 것입니다. 단순히 회사가 지불하는 진정한 기술.No shortcuts. 일에 넣어, 무자비하게 머물러, 당신은 당신의 길에 오는 무엇이든 준비가 될 것입니다. 반대편에서 뵙겠습니다. 더 자주 듣고 싶으신가요? Linkedin에서 저에게 연락하십시오! ! Linkedin에서 나와 연락하기 Linkedin에서 나와 연락하기 공유하기 비용이 많이 드는 실수를 피하고 AI 세계에서 앞서 가도록 도와줄 수 있는 통찰력, 팁 및 업데이트. 매일 당신은 글쓰기를 통해 관객을 성장시키고자하는 기술 전문가입니까? 내 뉴스레터를 놓치지 마세요! 우리의 뉴스레터를 놓치지 마세요! 수백 명의 전문가가 눈에 띄고 성장 속도를 높일 수 있도록 도왔던 실행 가능한 copywriting 및 청중 구축 전략으로 가득합니다. Tech Audience Accelerator 근처 오락거리 Tech Audience Accelerator 근처 오락거리

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

이 오디오는 이야기의 원래 언어로 제작되었습니다!

초보자에서 2025 년에 AI / ML Pro에 이르기까지 : 당신을 고용하게 만드는 단계별 도로지도

About Author

코멘트

태그 걸기

이 기사는 다음에서 발표되었습니다.

Related Stories

포럼에서 피드까지: 소셜 미디어 알고리즘이 디지털 상호작용을 형성하는 방식

Crypto Growth: 효과적인 사용자 페르소나 만들기

작업 흐름을 10배 향상하는 방법: 17가지 필수 앱

HackerNoon 글쓰기 대회에서 우승하고 싶으신가요? #crypto-api 대회 우승자들이 추천하는 내용은 다음과 같습니다.

포럼에서 피드까지: 소셜 미디어 알고리즘이 디지털 상호작용을 형성하는 방식

Crypto Growth: 효과적인 사용자 페르소나 만들기

작업 흐름을 10배 향상하는 방법: 17가지 필수 앱

HackerNoon 글쓰기 대회에서 우승하고 싶으신가요? #crypto-api 대회 우승자들이 추천하는 내용은 다음과 같습니다.

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps