מבוא ללמידת מכונה - Machine Learning¶
"למידת מכונה" הפך למונח שכולם זורקים בלי שברור בדיוק מה זה אומר. יש בלבול אמיתי בין AI, למידת מכונה, ומדעי הנתונים - ובואו נודה, הרבה מהבלבול הזה נובע משיווק, לא מהגדרות טכניות מדויקות. בואו נעשה סדר.
לפני שממשיכים - האתר הזה מלמד Python כשפת בסיס, שהיא השפה המרכזית בעולם למידת המכונה, אבל אנחנו לא מלמדים כאן קורס למידת מכונה. זה פוסט אוריינטציה כללי.
מה ההבדל בין AI, Machine Learning ו-Data Science¶
בינה מלאכותית (AI) הוא המונח הרחב ביותר - כל שיטה שגורמת למחשב לבצע משימה שנחשבת "חכמה". למידת מכונה (Machine Learning) היא תת-תחום ספציפי של AI - שיטות שבהן המחשב "לומד" דפוסים מנתונים במקום לפעול לפי כללים מתוכנתים ידנית מראש. Deep Learning (למידה עמוקה) היא תת-תחום נוסף בתוך למידת מכונה, שמבוססת על רשתות נוירונים - וזו הטכנולוגיה שמאחורי רוב הפריצות המרשימות של השנים האחרונות, כולל מודלי שפה גדולים.
Data Science, לעומת זאת, הוא תחום מקצועי רחב יותר שכולל ניתוח נתונים באופן כללי, כשלמידת מכונה היא רק אחד הכלים בארגז הכלים שלו.
איך למידת מכונה עובדת בבסיס¶
הרעיון המרכזי הוא פשוט להסביר, גם אם המימוש מורכב - במקום לכתוב כללים מפורשים ("אם X אז Y"), נותנים למחשב הרבה דוגמאות (נתונים) עם תשובות ידועות, והאלגוריתם "לומד" בעצמו את הדפוס שמקשר בין הקלט לפלט. לדוגמה, במקום לכתוב כללים ידניים לזיהוי דואר זבל, נותנים למודל אלפי דוגמאות של מיילים מסומנים כספאם או לא, והוא לומד בעצמו מה מאפיין ספאם.
יש שלוש קטגוריות עיקריות של למידה - למידה מונחית (עם דוגמאות מתויגות), למידה בלתי מונחית (מציאת דפוסים בלי תיוג), ולמידת חיזוקים (למידה מתוך ניסוי וטעייה עם תגמול).
מה באמת צריך כדי להיכנס לתחום¶
זה אחד התחומים הכי דורשניים מבחינת בסיס נדרש. תצטרכו הבנה סבירה במתמטיקה - בעיקר אלגברה לינארית, חשבון דיפרנציאלי ואינטגרלי בסיסי, והסתברות וסטטיסטיקה. תצטרכו גם בסיס תכנותי חזק ב-Python, כולל היכרות עם ספריות כמו numpy, pandas, ו-scikit-learn, ובהמשך גם ספריות למידה עמוקה כמו PyTorch או TensorFlow.
זה לא תחום שנכנסים אליו "בקיצור דרך" - זה תחום שדורש בניית בסיס שכבה אחר שכבה, וזה בדיוק אחת הסיבות שיש כל כך הרבה קורסים בתשלום שמבטיחים "תהפכו למומחי AI תוך שלושה חודשים". תזהרו מהבטחות כאלה.
מה המציאות בשוק העבודה¶
חשוב להיות ישרים - יש ביקוש אמיתי לתפקידי למידת מכונה, אבל התחרות על תפקידי כניסה גבוהה במיוחד, כי הרבה אנשים נמשכים לתחום בגלל ההייפ סביב AI. חברות בדרך כלל מצפות מועמדים לתפקידי junior בתחום להגיע עם פרויקטים אמיתיים, ולפעמים גם רקע אקדמי רלוונטי (תואר במדעי המחשב, מתמטיקה או תחום קרוב), אם כי זה לא תמיד חובה מוחלטת.
איך זה קשור אלינו¶
Python, שאנחנו מלמדים כאן ביסודות, היא בדיוק הבסיס שתצטרכו לפני שניגשים ללמידת מכונה. אנחנו לא מלמדים כאן מתמטיקה למודלים או ספריות מתקדמות, אבל בלי הבסיס התכנותי המוצק, קורסי למידת מכונה מתקדמים יהיו הרבה יותר קשים לעיכול.
הקורס הבסיסי שלנו בפייתון הוא נקודת ההתחלה, בחינם ובעברית.
לסיכום¶
למידת מכונה הוא תחום אמיתי ומרתק, אבל גם תחום שדורש בסיס רחב במתמטיקה ובתכנות לפני שרואים תוצאות מרשימות. אל תתנו להייפ להטעות אתכם - זו לא קפיצת דרך מהירה, אלא מסלול לימוד רציני עם החזר אמיתי בסוף.
מתלבטים איך להתחיל? בואו לקהילה שלנו.