ML Atlas

Blog · Na start ·

Ile czasu zajmuje nauka ML? Uczciwie, bez obietnic

W skrócie

Zależy, co znaczy „umieć”: pojęcia, własny projekt, sieci neuronowe czy praca. Ile trwają darmowe kursy według ich autorów i co naprawdę skraca naukę.

Krótka odpowiedź

Nie ma jednej liczby, bo „nauczyć się ML” znaczy cztery różne rzeczy. Zrozumieć pojęcia i umieć ocenić cudzy model to godziny, nie miesiące. Zrobić samodzielnie pierwszy projekt to tygodnie, bo do lekcji dochodzi Python i własne błędy. Sieci neuronowe to kolejny etap: popularny darmowy kurs fast.ai zakłada, że programujesz od roku. Pierwsza praca przy ML to zupełnie inne pytanie, liczone w miesiącach albo latach; zebraliśmy je osobno na stronie Przebranżowienie na ML: uczciwe liczby.

Uczciwie: nie znaleźliśmy rzetelnego pomiaru, ile nauka ML trwa „przeciętnie”. Liczby niżej to szacunki autorów kursów i mówią, ile trwają lekcje, a nie ile zajmie Ci zrozumienie.

Najkrótszy sprawdzian, czy to dla Ciebie: lekcja Cały proces w 15 minut. Przejdziesz w niej całą drogę od pytania do oceny modelu, z suwakami zamiast kodu.

Cel 1. Rozumiem, o co chodzi

Chcesz wiedzieć, czym jest model, skąd bierze regułę, czym jest przeuczenie i dlaczego sama trafność kłamie. Kod nie jest tu potrzebny.

  • Nasz kurs ML od zera ma 7 modułów, a lekcja zajmuje 10–15 minut. W każdej jest eksperyment i krótki quiz.
  • Google Machine Learning Crash Course ma 12 modułów: od regresji liniowej po modele językowe i odpowiedzialne ML. Strona nie podaje łącznego czasu. Jest wersja polska, ale tłumaczona maszynowo, o czym Google uprzedza na górze strony.

Cel 2. Robię projekt sam

Tu dochodzi Python, tabele w pandas i scikit-learn. Darmowe kursy Kaggle Learn: „Python”, „Pandas” i „Intro to Machine Learning” to według Kaggle razem 12 godzin. Ile z Pythona naprawdę trzeba, opisujemy we wpisie Python do machine learningu: ile trzeba umieć na start.

Prosty rachunek: przy pół godzinie dziennie 12 godzin lekcji to 24 dni. Na pierwszy własny projekt zostaw więcej czasu niż na kurs, bo tam czas zjada czyszczenie danych i szukanie błędów. Gotową trasę na pierwszy raz znajdziesz we wpisie Pierwszy projekt ML na otwartych danych krok po kroku.

Cel 3. Rozumiem sieci neuronowe

Kurs fast.ai „Practical Deep Learning for Coders” jest darmowy i ma 9 lekcji, każda po około 90 minut, czyli same nagrania to około 13,5 godziny. Autorzy zakładają, że umiesz programować („rok doświadczenia wystarczy”) i znasz matematykę ze szkoły średniej. Do tego dochodzą ćwiczenia w notatnikach.

Cel 4. Praca przy ML

Tu kończą się kursy, a zaczyna rynek pracy. Szacunki firm doradczych i mentoringowych, zebrane z linkami na stronie Przebranżowienie na ML, mówią o pół roku do kilku lat, zależnie od punktu startu, i to przy kilkunastu godzinach nauki w tygodniu. To szacunki, nie wyniki badań, i lepiej traktować je jako dolną granicę.

Co skraca naukę (i co tylko tak wygląda)

W przeglądzie badań nad technikami uczenia się z 2013 roku (Dunlosky i in.) najwyżej wypadły dwie: sprawdzanie się (quizy, próby przypomnienia bez zaglądania) i rozłożenie nauki w czasie (krótkie sesje w kolejne dni zamiast jednego maratonu). Nisko wypadły podkreślanie i ponowne czytanie, choć dają poczucie postępu.

W praktyce:

  • Ucz się krótko i często: lekcja dziennie zamiast całego kursu w jeden weekend.
  • Zanim przesuniesz suwak, zgadnij wynik. Dlatego w każdej naszej lekcji najpierw zgadujesz, co się stanie, a na końcu jest quiz.
  • Pisz kod sam, nawet jeśli tylko przepisujesz przykład i zmieniasz jedną rzecz. Oglądanie nagrania to nie to samo co zrobienie zadania.
  • Wybierz jeden kurs i skończ go, zanim zaczniesz drugi.

Co dalej

Źródła

Tagi: nauka kursy czas na-start

W Atlasie