从零开始构建你的机器学习技能
关键要点
本文分享了作者在技术领域从零基础到掌握机器学习的非传统旅程。推荐的学习资源和课程包括AWS Skill Builder、Coursera的机器学习专项课程等。提供了AWS认证机器学习专家考试的准备建议。鼓励读者以成长型思维开始自己的机器学习之旅。在没有传统计算机科学背景的情况下，探索科技领域一直是一个充满挑战但也令人满意的过程。大约两年前，我准备参加AWS认证云从业者考试，如果有人问我是否能想象与一些著名的技术专家和大型企业合作，我可能会笑着拒绝。
在这篇博文中，我将分享我的非传统技术职业之旅，以及这条路径如何引导我深入探索复杂的机器学习ML领域。我也将提供一些对于想要跳入这一领域的学习者的建议和资源。
关于我
我是Jenny Dassas，曾是一名化工专业的失败学生，后转行读MBA，职业生涯大部分时间在公共部门工作。当我了解到AWS re/Start，一个为期12周的密集课程，教授云计算技能时，我决定一试。尽管这与化学无关，但云计算的魅力让我感到兴奋，因为我一直对各种技术领域充满兴趣。通过这个课程，我获得了AWS云服务的实践经验，培养了Linux、Python、数据库设计等技能。
通过在课程中努力学习，我获得了AWS Tech U的名额，这是一个为期48周的加速职业发展项目，包括在职培训和项目学习。我的毕业设计让我首次接触到了机器学习，通过利用Amazon Transcribe、Amazon Comprehend和Amazon Rekognition来分析语音和面部表情。这种内部工具为AWS认证讲师提供了建设性的反馈。虽然当时我仅能在应用层面接触机器学习服务，但这个经历激发了我进一步发展的兴趣。虽然我对掌握高级数据科学概念的信心有限，但通过努力和不断学习，我相信我可以扩展我的能力。
作为AWS的客户解决方案经理，我负责帮助客户采用我们的工具和技术。在项目学习中，我与一家企业资源规划公司合作进行Alexa智能物业项目。在观察一次客户电话时，产品管理高级主管讨论了包括Amazon Lex的痛点、Amazon Kendra的成本优化策略和向量数据库等高级话题。对这些复杂技术的理解非常有限，生成式人工智能的兴起更是加深了我的不安。我决心提升自己的角色，通过数据驱动的解决方案解决复杂问题，因此我开始在职学习，加强我的机器学习技能。
我的机器学习学习之旅
首先，我采取了自学的方式，利用在线课程、教程和实践项目来弥补我的知识空白。AWS Skill Builder提供超过600个免费的数字课程，涵盖各种AWS服务领域，适合初学者和进阶学习者，还有一些仅限订阅的实践学习资源，如AWS Cloud Quest或AWS Jam。
你无需拥有技术背景或经过高强度的课程就可以开始学习机器学习。这是一个对许多角色都有益的领域。我从几个简单的机器学习基础课程开始，都是为初学者量身定制的。
机器学习简介：可能的一切机器学习对商业和技术决策者的重要性探索机器学习工具集在对机器学习有了基础了解后，我准备加深我的技能。我注册了以下AWS培训课程，逐步掌握机器学习管道的关键方面及其实际应用：
轻蜂加速器破解版
机器学习管道在AWS上的实现提供了AWS上从数据准备到模型训练、评估和部署的全流程实践经验。使用Amazon SageMaker的实用数据科学专注于在SageMaker中使用真实数据集构建、训练、调优和部署机器学习模型。在AWS上构建批处理数据分析解决方案探索最佳实践，设计数据处理系统，如ETL管道，为机器学习准备数据。
通过实践学习机器学习
我对机器学习的了解加深了，无论是通过课程学习还是与客户合作处理实际行业案例，我的好奇心愈发强烈。我开始批判性地思考机器学习可以帮助解决哪些业务问题，以及如何将我的新技能应用于产生影响。这激励我利用一些基于样本数据集的动手小项目来补充我的学习，例如在SageMaker中构建一个简单的分类模型以预测客户流失。尽管这些初步的机器学习应用尝试较为简单，但它们增强了我的理解和信心。通过实践学习和走出舒适区让我技能加速提升，并向我展示了利用机器学习转变组织的潜力。
准备AWS认证机器学习专家考试
AWS认证机器学习专家 考试是AWS最难的认证之一，但我想通过这个考试来验证我新学到的技能并获得这个受推崇的行业证书。你可能还记得我之前获得了基础认证，AWS认证云从业者。我建议大家先从这个认证开始，也许再获得一个AWS助理级别的证书，然后再转向专家级考试。
AWS并不要求你提前参加特定的准备课程，但我建议遵循以下步骤为考试日做好准备：
审阅考试指南以了解考试内容，并参加AWS认证官方实践题集，找到在AWS Skill Builder的相关内容，了解考试样式的问题。通过注册AWS Skill Builder上的数字培训课程学习考试主题。通过订阅AWS Skill Builder访问自学的考试准备课程附带练习材料，并查阅考试页面上可用的白皮书和AWS服务相关的常见问题。通过在AWS Skill Builder上参加AWS认证官方实践考试，来验证你为考试做好了准备。我使用的一些特定课程和资源包括：
机器学习专项课程涵盖了一系列综合主题，包括线性回归、机器学习算法、神经网络、深度学习、序列模型和实际应用，提供全面的领域理解。我进行了两次，重做了所有实践实验以巩固我的应用知识。使用ScikitLearn、Keras和TensorFlow的实用机器学习是Aurlien Gron的一本书，它提升了我对支持向量机、决策树、随机森林和集成方法等多个训练模型的理解。AWS认证机器学习专家通过视频讲座、实践实验和模拟考试为你提供深入的AWS机器学习知识，帮助你全面准备专家考试以及具备构建、训练和部署机器学习模型的应用技能。机器学习计划 AWS Skill Builder提供互动教程、视频和实验，通过在AWS上开发模型、训练算法和部署项目，帮助你掌握机器学习经验。AWS上的Amazon SageMaker技术深入系列 YouTube提供了由AWS机器学习专家带来的详细视频教程和演示，以深入介绍SageMaker的能力，并教你如何构建、训练、调优、部署和管理机器学习模型。Amazon SageMaker开发者指南提供全面的文档、示例代码和逐步教程，教开发人员掌握SageMaker在机器学习工作流的每个步骤，包括数据准备、模型训练、部署和监控的完整能力。AWS机器学习：考试准备提供集中的视频教程、实践考试和知识测验，全面为学生准备AWS认证机器学习专家考试，涵盖考试所需的关键机器学习概念和AWS服务，有效且结构化的学习路径。在考试日，我感到紧张，甚至担心可能会失败，因为考试的形式冗长且具有挑战性。等待成绩的过程让人焦虑。但第二天，我发现我通过了！经过大约七个月的时间和努力自学，顺利通过考试让我感到无比自豪和成就感。看到我的努力转化为成功建立这本机器学习知识的成果，实在是令人欣慰。我有动力继续在这个坚实的机器学习基础上进行扩展。
生成式AI学习
生成式AI，作为深度学习的一个子领域，具备自动创建新内容的能力。与依赖预定义模式和规则的传统模型不同，生成式AI能够自主生成类人的文本、图像甚至代码。深入探索生成模型的细微差别，参加免费的数字课程，如使用大型语言模型的生成式AI和AWS上的生成式AI基础课程，成为我学习旅程的一部分，展示了跟进技术发展对提升理解和能力的重要性。
结论
随着机器学习继续演变IT领域，并在各行各业中嵌入日益深远，它越来越成为推动创新、提高效率和解锁数据驱动决策新机会的关键。我对持续学习的承诺不变，急切吸收新知识和技术，以便精通直接影响我角色的领域。我当前的计划是探索先进的机器学习概念，并专注于负责任的人工智能。
我从零开始的机器学习旅程证实了自学的力量。如果你正在踏上类似的旅程，我的建议是以成长心态开始，记住每个挑战都是推动你向前的垫脚石。机器学习的世界非常广阔，欢迎来自不同背景的人们，所以今天就迈出这一步吧。祝你学习愉快！
发表评论