MLE_start

5 skill tracks

Introduction (Введения)

Machine Learning Fundamentals (Фундамент)

Software Engineering for MLE's (Инженер ПО)

Intermediate Machine Learning (От Джуниора к Миддле)

Building Machine Learning Pipelines (Пайплайны)

Here we go

1. Введения

Машинное обучения это термин обозначающий алгоритм которое анализирует данные и находить паттерны в исторических данных. Чтобы делать прогнозы на основе новых/неизвестных данных.

Тогда какая разница между Data Science, Data Engineer & Machine Learning Engineer? ⏬⬇️🔽

Если разница вам непонятно, -- то вы не одиноки — потому что это сбивает с толку! Границы между этими областями размыты, и в зависимости от компании, ожидания от этих должностей могут сильно различаться.

Однако в среднем существует довольно четко определенный набор навыков и задач, определяющих эти роли. Часто знание навыков одного чрезвычайно полезно в другой роли, и переходы от одной должности к другой нередки.

На диаграмме Венна справа есть три круга, представляющие каждую роль, где перечислено: ⭐--- Основные задачи, которые они выполняют ⭐--- Где навыки пересекаются между ролями

🔮

Машинное обучения делиться на 2 типа:

1. Обучение с учителем: данные помечаются, и программа учится прогнозировать выходные данные на основе входных данных.

2. Обучение без учителя: данные не помечены, и программа учится распознавать внутреннюю структуру входных данных.Обучение без учителя: данные не помечены, и программа учится распознавать внутреннюю структуру входных данных.

Tenserflow, PyTorch, (pipelines) (+0-)