کله چې زه لومړی په AI او ماشین زده کړې کې ورسیږي، دا احساس نلري چې د نقشه پرته په لابراتوار کې راځي.
په هر ځای کې چې زه وګورئ، د نيمې لارښوونې، بلاګونه او bootcamps شتون لري چې په شپه کې د بریالیتوب په وعده کوي.
خو په عمده توګه، زه تل د پوښتنو:
ایا ما د مناسب شیانو یادونه ولري؟
یا بدترین ...
ایا زه خپل وخت ضایع کروں؟
زه د ټولو کلاسیک غلطاتو ترسره کړم:
- زه د واقعي پروژو جوړولو په ځای کې د ښکلي کورسونو پیژندل
- زه د بنسټیزو پوهاوي مخکې په پرمختللي موضوعاتو کې چټک شویم
- ما د انټرنېټ مهارتونو په حقیقت کې څومره مهم وي
- زه فکر کړم چې د ځينو algorithms پوهې کافی دی - او دا نه وه
که زه نن پیل کولی شي، د ټولو هغه څه چې زه اوس پوه، زه به د ډیری ښکلي، نه بیلابیلو لاره راشي.
یو چې د کار لپاره چمتو مهارتونه جوړوي په ځای کې چې تاسو په غیر پای ته "تقاریر موډل" کې لرئ.
په دې مقاله کې، زه دقیقا څنګه یې ترسره کروں.
د کلیدي مهارتونو ته تمرکز وکړي، د سرچینې چې په حقیقت کې ستاسو د وخت په لټه کې دي، او د ټاپوونه چې تاسو اړتیا لرئ چې په چټکۍ سره د AI / ML کې د پیل څخه د کار لپاره چمتو شي.
ایا موږ داخل شو.
مرحله 1: Master Python او د کور کتابتونونه
نه Python، نه AI. دا ساده دی.
مخکې چې تاسو حتی د ماشین زده کړې ماډلونو په اړه فکر وکړئ، تاسو باید د پیتون او د دې اصلي ډاټا کتابتونونو په چټکۍ سره ونیسئ. دا د ورځني وسایلو دي چې تاسو به د ډاټا پاکولو، د ماډلونو جوړولو، او د پایلو ښیښه کړي.
د دې مرحله له لاسه ورکړئ، او تاسو خپل ځان د ناکامۍ لپاره تنظیم وکړئ.
Key Topics:
- د پیتون په اړه د انټرنټ - Syntax، فورمونه، لنډونه او OOP
- Advanced Python - د AI ځانګړي Python مفهومونه
- scikit-learn - د ML algorithms کارول
- NumPy - شمیره کمپیوټر او Array
- Matplotlib & Seaborn - ډاټا ویشولو
- د پانډو - د معلوماتو manipulation او تحلیل
Resources:
- د CS50 د پیټون کورس - د پیل لپاره دوستانه انټرنېټ
- د معلوماتو علوم لپاره د پیټون لارښود - د AI / ML کارپوریشنونه تمرکز کوي
Timeline: 3-4 اونۍ
مرحله 2: د Rock-Solid ریاضی بنسټ جوړ کړئ
ډیری پیلونکي د دې ګام له لاسه ورکړي.
لوی غلطۍ
د لنډي algebra، احتمالي، او حسابولو پرته، تاسو به نه پوه شئ چې ستاسو ماډلونه په واقعیت کې څه کار کوي. تاسو به د حقیقي حلونو جوړولو په ځای د لارښوونې کاپی کولو په لټه کې وي، نه کولی شئ د ګمرک کولو، ډبګګ کولو یا خپل خپل کار باور وکړي.
Key Topics:
- Linear Algebra - مټريز، eigenvalues، او vector spaces.
- د احتمال او اټکل - Bayesian تفکر، توزیعونه، hypothesis ازموينه.
- د محاسبه - derivatives، integrals، gradients، optimization.
Resources:
- د لنډول Algebra Essence (3Blue1Brown) - غوره بصری شرح
- د کاناډاډاډاډاډاډاډاډاډاډاډاډاډاډاډاډاډاډاډاډاډاډاډاډاډاډاډاډاډاډاډاډاډاډاډاډاډاډاډاډ
- د احتمالي (MIT) - د احتمالي اړخیزو پوښښ
Timeline:4-6 اونۍ
مرحله 3: د ماشین زده کړې بنسټیزونه زده کړئ
دا برخه سخت دی.
خو دا د بدلون نقطې دی چې تاسو د پیل کولو څخه روښانه وي.
د بنسټیزو پوهه، او تاسو به د یو حقیقی AI / ML انجنیر په څیر فکر وکړي - د ستونزو په تیریدو کې، د ماډلونه په چټکۍ سره حل کړئ، او د واقعي نړۍ پروژو لپاره اړتیاوې جوړ کړئ.
د دې ګام له لاسه ورکړئ.
Key Topics:
- د څارنې د څارنې د څارنې د څارنې د څارنې
- د زده کړې
- د عالي زده کړې
Resources:
- د Google ML Crash Course - د ML په چټکۍ سره په کارولو سره
- د Hundred-Page ML Book - مختصر، عملی نظرونه
- Awesome AI / ML سرچینې - د غوره وړیا سرچینو ټولګه
- د ماشین زده کړې له خوا Andrew Ng - د Go-to بنسټ کورس
Timeline:6-8 اونۍ
مرحله 4: د پروژو سره خپل لاسونه پاک کړئ
تخنیکي تاسو ته کار نه کوي. پروژې کار کوي.
د حقیقي AI / ML اپلیکیشنونه جوړ کړئ - حتی کوچنی. د حقیقي ستونزو حل کړئ.
تاسو د شپې له لارې زده کړئ، د غلطو ترسره کولو له لارې، او د هغه څه چې په لاره کې پوه شئ.
Key Topics:
- Hands-On ML سره Scikit-Learn، Keras، او TensorFlow - د ML لپاره عملی لارښود
- د کوډر لپاره عملی عمیق زده کړې - د عملی عمیق زده کړې کورس
- Structured ML پروژې - د ماډلونو جوړولو او پراختیا لپاره زده کړئ
- د خپل GPT جوړ کړئ - د کوچني کچه GPT-like ماډل جوړ کړئ
Timeline:په جریان کې
مرحله 5: د MLOps په اړه زده کړئ
د روزنې ماډل یوازې پیل دی.
MLOps تاسو ته زده کوي چې څنګه په واقعي نړۍ کې ماډلونه نصب، نظارت او ساتل کړي - په کچه.
دا مهارتونه دي چې د تفریحيانو څخه د مسلکيانو څخه رامینځته کوي - او کوم چې شرکتونه په حقیقت کې پیسې ورکوي.
Key Topics:
- د MLOps انډول - د MLOps بنسټیزونه
- Full Stack Deep Learning - د بشپړ چرګ ML پراختیا
- د ML سافټویر درې کچه - د تولید ML لپاره غوره عملیاتو
Timeline:3 - 4 اونۍ
مرحله 6: تخصص
کله چې تاسو د بنسټیزو موضوعاتو په اړه پوه شئ،دا وخت دی چې په عمده توګه لاړ شئ.
د یو تمرکز انتخاب کړئ - NLP، Transformers، کمپیوټر بصری - او دا د مسلکي.
تخصص تاسو ته د "کامل کاندیدی" څخه د "مستقیم ټالټ" ته بدل کیږي.
Key Topics:
- د کمپيوټر بصری - د انځور پر بنسټ AI
- Deep Learning - پرمختللي عصري شبکې
- د طبیعي لغت پروسس - Text-based AI
- Transformers - د ChatGPT پیژندنه
- Reinforcement Learning - د تصمیم کولو AI
Timeline:په جریان کې
د مرحله 7: د جلوې د ساتلو
د AI په چټکۍ سره حرکت کوي. په چټکۍ سره، او تاسو به مخکښ وي.
په لویدیځ کې وي،د مخکښ څیړنې او د جوړونکو له لارې د میدان جوړ کړي.
دا ده څنګه چې تاسو ستاسو د مهارتونو په اړه مهم او ستاسو د پروفایل د رقابتي.
Key Topics:
- ArXiv - د AI څیړنې کاغذونو لپاره غوره ځای
- Open AI Key Papers په Deep RL کې - د OpenAI څخه اړتیا لرونکي کاغذونه
Key Creators:
- پلوه یاسین
- پاولو Perrone
- د Maxime Labonne
- د رڼا
- ډیمین Benveniste
- سټیټین Ratschka
- Maryam Miradi، د ډاکټر
Timeline:په جریان کې
مرحله 8: د کار انټرنیټ لپاره چمتو کړئ
د انټرنیټ prep د اختیاري نه ده.
تاسو باید د ماډلونو توضیح کړي، دوی په ژوند کې ډبرګ کړي، او د AI / ML سیسټمونو ډیزاین ته اړتیا لري. که تاسو کولی شئ د انټرنیټ په وخت کې د دې ډیزاین نه وکړئ، انتظار وکړئ چې "ما به تاسو ته ورسیږي."
دلته د مخکښو نه دي - د تیریدو لپاره د ټولو فرق لري.
Key Topics:
- د ML انټرنیټونو لپاره د انټرنیټ - عمومي ML انټرنیټ پوښتنې
- د ML سیسټمونو ډیزاین - د AI لپاره سیسټم ډیزاین
Timeline:4-6 اونۍ
د پایلو
دا زما لپاره د آزموینې او غلطۍ کلونو ته اړتيا لري ترڅو د رڼا له لاسه ورکړي او پوه شي چې د AI / ML په حقیقت کې څه مهم دی.
تاسو اړتیا نلري چې د دې وخت ضایع کړئ.
د دې لارښود پیژندنه، او تاسو به د بشپړ پیل څخه د کار لپاره چمتو AI / ML انجنیر څخه چټک، سمارټ، او قوي تر څنګه چې تقریبا هرڅوک په خپل ځان کې "اټکل" هڅه کوي..
نه fluff. نه shortcuts. یوازې حقیقي مهارتونه چې شرکتونه ورکوي.
په کار کې واخلئ، ناڅاپي وي، او تاسو به د هر څه لپاره چمتو وي.
په بل بڼه کې لیدل کیږي.
ایا تاسو غواړئ له موږ څخه ډیر اغیزمن شي؟
په LinkedIn کې زما سره اړیکه ونیسئ!
په LinkedIn کې موږ سره اړیکه ونیسئ!په LinkedIn کې موږ سره اړیکه ونیسئد شمیرهورځنيد عمل وړ معلوماتو، لارښوونه، او اپلوزونه چې تاسو ته ګټور غلطاتو څخه مخنیوی کړي او د AI نړۍ کې مخنیوی وي. دلته زما پیژندنه وکړئ:
آیا تاسو د ټیکنالوژۍ مسلکي یاست چې د چاپ کولو په واسطه ستاسو د نښې وده ورکړي؟
د نوښتونو په اړه زموږ خبرتیا نلري!
زموږ د Newsletter په لټه کې نلري!
The Tech Audience Acceleratorد عمل وړ copywriting او د نجلۍ د جوړولو استراتژیونو سره بسته ده چې ډیری مسلکيانو ته مرسته کوي او د دوی د ودې چټک کړي.
د Tech Audience Accelerator
