Gabay sa Baguhan sa AI: Mga Praktikal na ML Tool at Resources na Kinuha mula sa mga Talakayan sa Twitter

Ang machine learning (ML) at artificial intelligence (AI) ay mabilis na binabago ang mundo sa ating paligid. Para sa mga baguhan, ang pagsisimula sa larangang ito ay maaaring nakakalito. Ang layunin ng artikulong ito ay magbigay sa iyo ng isang praktikal na gabay sa pagsisimula sa pamamagitan ng pagsusuri sa mga talakayan tungkol sa ML sa X/Twitter, na nagpapakilala ng ilang mga tool, resources, at pinakamahusay na kasanayan.

1. Libreng Resources sa Pag-aaral: AI & ML Books ng Cambridge University

Ang pagsisimula sa pag-aaral mula sa mga world-class na akademikong resources ay ang pinakamahusay na paraan. Nag-aalok ang Cambridge University ng mga libreng AI at machine learning books, na sumasaklaw sa kaalaman mula sa basic hanggang advanced.

Mga Mungkahi sa Landas ng Pag-aaral:

1. Mga Batayan sa Matematika: Ang linear algebra, calculus, at probability theory ay mga pundasyon ng ML.
2. Mga Batayan ng Machine Learning: Unawain ang mga konsepto tulad ng supervised learning, unsupervised learning, at reinforcement learning.
3. Deep Learning: Pag-aralan nang malalim ang mga neural network, convolutional neural network (CNN), recurrent neural network (RNN), atbp.

Sa pamamagitan ng mga resources na ibinigay ng Cambridge University, maaari mong sistematikong pag-aralan ang kaalamang ito at maglatag ng matibay na pundasyon para sa hinaharap na pagsasanay. Maaari kang maghanap ng mga partikular na pamagat ng libro sa pamamagitan ng paghahanap ng "Cambridge University Free AI Books".

2. Mga Rekomendasyon sa Praktikal na AI Tool

Mula sa mga tweet ni @@vikas_ai_, makikita natin ang ilang praktikal na AI tool na makakatulong sa iyong pasimplehin ang iyong workflow at mapabuti ang kahusayan. Narito ang isang maikling pagpapakilala sa mga tool na ito at ilang mga kaso ng paggamit nito:

• ChatGPT: Isang malakas na modelo ng wika na maaaring sumagot ng iba't ibang mga tanong, bumuo ng teksto, magsalin ng mga wika, atbp.

  • Mga Kaso ng Paggamit: Mabilis na makakuha ng impormasyon, bumuo ng mga snippet ng code, brainstorming.

• RecCloud: Tool para baguhin ang boses.

  • Mga Kaso ng Paggamit: Gumawa ng dubbing para sa mga video, anonymous recording, lumikha ng mga boses ng karakter.

• Krea AI: Tool para lumikha ng mga logo.

  • Mga Kaso ng Paggamit: Mabilis na bumuo ng maraming mga scheme ng logo, magdisenyo ng pagkakakilanlan ng brand para sa mga startup.

• ElevenLabs: Tool sa pag-clone ng boses.

  • Mga Kaso ng Paggamit: Gumawa ng mga personalized na voice assistant, lumikha ng dubbing para sa iba't ibang mga karakter.

• Gamma app: Tool para sa pagdidisenyo ng mga dokumento.

  • Mga Kaso ng Paggamit: Mabilis na bumuo ng mga presentasyon, lumikha ng mga ulat at panukala.

• Suno AI: Tool para sa paggawa ng musika.

  • Mga Kaso ng Paggamit: Bumuo ng background music, gumawa ng mga sound effect para sa mga video.

• Runway ML: Tool para sa pag-edit ng mga video.

  • Mga Kaso ng Paggamit: Alisin ang background ng video, magdagdag ng mga special effect, gumawa ng mga animation.

Mga Mungkahi para sa Mabilis na Pagsisimula:

1. Pumili ng isang Tool: Batay sa iyong mga pangangailangan, pumili ng isang tool na interesado ka.
2. Libreng Pagsubok: Karamihan sa mga tool ay nag-aalok ng isang libreng bersyon ng pagsubok.
3. Basahin ang Dokumentasyon: Basahin nang mabuti ang dokumentasyon ng tool upang maunawaan ang mga function at paggamit nito.
4. Magsimula sa Pagsasanay: Subukang gamitin ang tool upang makumpleto ang ilang mga simpleng gawain.

3. Claude Prompt: Kapalit ng Quantitative Researcher?

Binanggit ni @@heynavtoor na ang AI ay maaari ring bumuo ng mga ML model tulad ng AI trading platform ng Goldman Sachs. Bagama't ito ay maaaring mukhang pinalalaki, binibigyang-diin nito ang potensyal ng AI sa pag-automate ng mga kumplikadong gawain. Ang paggamit ng Claude prompts upang tumulong sa pagbuo at pananaliksik ng ML model ay isang direksyon na dapat tuklasin.

Mga Tip sa Claude Prompts:

1. Malinaw na Mga Tagubilin: Linawin ang iyong mga pangangailangan, halimbawa, "Lumikha ng isang machine learning model na humuhula sa mga presyo ng stock".
2. Magbigay ng Data: Magbigay ng data na kinakailangan para sa pagsasanay ng Claude model, tulad ng makasaysayang data ng presyo ng stock.
3. Tukuyin ang Algorithm: Tukuyin ang machine learning algorithm na gagamitin, tulad ng linear regression, support vector machine, o neural network.
4. Mga Sukatan ng Pagsusuri: Sabihin kay Claude kung paano susuriin ang pagganap ng modelo, tulad ng mean squared error, accuracy, o F1 score.
5. Iterative na Pagpapabuti: Batay sa mga resulta ng pagsusuri, patuloy na ayusin ang mga prompts at mga parameter ng modelo upang mapabuti ang pagganap ng modelo. Mahalagang Paalala: Bagama't makakatulong ang AI sa pagbuo ng ML model, mahalaga pa rin ang kaalaman ng tao. Kailangang may matibay na kaalaman sa matematika, estadistika, at pananalapi ang mga quantitative researcher para maintindihan ang datos, pumili ng tamang algorithm, at ipaliwanag ang resulta ng modelo. Isa lamang kasangkapan ang Claude, at hindi nito kayang palitan nang tuluyan ang kaalaman ng tao.

4. Pag-aralan ang mga Termino sa AI: 85 Paliwanag ng Termino sa AI ni Ronald_vanLoon

Para mas maintindihan ang AI, kailangang pag-aralan ang mga termino sa AI. Nagbahagi si @Ronald_vanLoon ng 85 paliwanag ng termino sa AI, at isa itong magandang resource.

Mga Mungkahi:

• Isa-isang Pag-aralan: Huwag subukang isaulo ang lahat ng termino nang sabay-sabay. Mag-aral ng ilang termino araw-araw, at subukang gamitin ang mga ito sa pagsasanay.
• Gumamit ng Online Dictionary: Kung may makasalubong kang terminong hindi mo pamilyar, maaari kang sumangguni sa online AI dictionary.
• Magbasa ng mga Kaugnay na Artikulo: Magbasa ng mga artikulo at blog tungkol sa AI para maintindihan ang kahulugan ng mga termino sa AI sa aktwal na aplikasyon.

Ilan sa mga importanteng termino sa AI ay:

• Supervised Learning: Isang paraan ng machine learning na gumagamit ng datos na may label para sanayin ang modelo.
• Unsupervised Learning: Isang paraan ng machine learning na gumagamit ng datos na walang label para sanayin ang modelo.
• Reinforcement Learning: Isang paraan ng machine learning na natututo ng pinakamahusay na estratehiya sa pamamagitan ng pakikipag-ugnayan sa kapaligiran.
• Neural Network: Isang modelo ng machine learning na ginagaya ang istruktura ng utak ng tao.
• Deep Learning: Isang paraan ng machine learning na gumagamit ng multilayer neural network.
• Natural Language Processing, NLP: Isang teknolohiya na nagbibigay-kakayahan sa kompyuter na maintindihan at iproseso ang wika ng tao.
• Computer Vision: Isang teknolohiya na nagbibigay-kakayahan sa kompyuter na "makakita" at maintindihan ang mga imahe.

5. Basahin ang mga Pinakabagong Research Paper sa AI/ML

Para manatiling updated sa pinakabagong pag-unlad sa larangan ng AI/ML, kailangang basahin ang mga pinakabagong research paper. Nagbahagi si @TheAITimeline ng mga sikat na research paper sa AI/ML sa nakalipas na dalawang linggo.

Mga Tip sa Pagbasa:

1. Pumili ng Larangang Interesado Ka: Napakalawak ng larangan ng AI/ML, pumili ng larangang interesado ka para basahin, tulad ng natural language processing, computer vision, o reinforcement learning.
2. Basahin ang Abstract: Basahin muna ang abstract ng papel para maintindihan ang pangunahing nilalaman at ambag ng papel.
3. Basahin ang Introduksyon: Basahin ang introduksyon ng papel para maintindihan ang background at motibasyon ng pananaliksik.
4. Basahin ang Konklusyon: Basahin ang konklusyon ng papel para maintindihan ang pangunahing natuklasan at limitasyon ng papel.
5. Basahin ang Paraan at Eksperimento: Kung interesado ka sa mga teknikal na detalye ng papel, maaari mong basahin ang paraan at eksperimento ng papel.
6. Subaybayan ang Open Source Code: Maraming research paper ang nagbibigay ng open source code, maaari mong maintindihan nang mas mabuti ang nilalaman ng papel sa pamamagitan ng pagbabasa at pagpapatakbo ng code.

Halimbawa, kasama sa mga papel na binanggit ni @TheAITimeline ang:

• Generative Modeling via Drifting: Isang bagong paraan ng generative model.
• Learning to Reason in 13 Parameters: Pananaliksik tungkol sa kung paano mangatwiran sa ilalim ng limitadong parameter.
• Maximum Likelihood Reinforcement Learning: Isang paraan ng reinforcement learning.

BuodAng larangan ng machine learning at artificial intelligence ay puno ng mga oportunidad at hamon. Sa pamamagitan ng pag-aaral ng mga batayang kaalaman, paggamit ng mga praktikal na tool, pag-unawa sa mga terminong AI, at pagbabasa ng mga pinakabagong research paper, maaari kang unti-unting makapasok sa larangang ito. Tandaan, ang pag-aaral ay isang patuloy na proseso, at ang pagpapanatili ng pagiging mausisa at positibo ay susi sa tagumpay. Sana'y makatulong ang gabay na ito upang mas maunawaan mo ang AI at machine learning, at magbigay ng ilang patnubay para sa iyong pag-aaral at pag-unlad sa karera sa hinaharap. Nawa'y maging matagumpay ka sa iyong pag-aaral!