Ulasan Pendahuluan: Machine Learning Engineer NanoDegree @Udacity

Machine Learning Engineer NanoDegree – Udacity

Dibuat oleh:

Kaggle

Format

NanoDegree

Durasi:

6 bulan

Biaya:

$199/bulan (diskon 50% kalau selesai dalam 12 bulan)

Penilaian oleh murid:

 (4.5 dari 5 oleh 1942 review)

Persyaratan

• Intermediate Python programming knowledge
• Intermediate statistical knowledge
• Intermediate calculus and linear algebra mastery (bisa didapatkan di kursus Linear Algebra Refresher Course)

Silabus:

Program NanoDegree ini project based. Sayangnya sangat minim sekali informasi tentang silabus program ini, saya mendapatkan ini dari berbagai sumber misalnya ini (maaf bahasanya campur-campur karena copas):

• P0 : Titanic Survival Exploration
  • proyek opsional yang datasetnya diambil dari Kaggle
  • tujuannya untuk familiarisasi dengan proses pengunggahan dan penilaian tugas
• P1: Predicting Boston Housing Prices
  • menggunakan dataset dari UCI Machine Learning Repository
  • The lessons focus on building familiarity with numpy and pandas for data analysis.
  • Some theory like splitting datasets, cross validation, evaluation metrics for classification, and regression are also discussed here.
  • The goal is to choose the best performing model from many options and get familiar with hyper-parameter tuning.
• P2 : Building a Student Intervention System
  • This is a classification problem where the task is to identify students who might need early intervention before they fail to graduate.
  • Lessons cover some popular approaches like naive bayes, decision tree and random forest, nearest neighbor, svm, and neural networks.
  • Students are expected to select and compare different supervised learning models and choose the best performing one.
• P3: Creating Customer Segments
  • Unsupervised learning techniques like PCA and clustering
  • The goal is to apply PCA to construct a lower dimensional feature space and use different clustering techniques like Gaussian and k-means clustering to segment the customers.
• P4: Train a Smartcab to Drive
  • The lessons in this project focus on reinforcement learning.
  • The goal is to take a smartcab from a starting point to an end point by giving it feedback through reinforcement learning. The smartcab operates in a grid-like city with other agents. In each trial the smartcab gets assigned an end point goal and has to move there from a given random start point.
• Final/capstone project
  • Murid dipersilakan membuat proyek sendiri
  • The capstone is the final technical project in the MLND. It’s divided into two parts: proposal and project implementation. Students are supposed to choose a technical problem from a domain they are interested in, write-up a proposal, solve the problem using machine learning techniques, and submit a final report for the project.

Untuk silabus kursusnya, saya coba mencari secara manual dengan menemukan beberapa kursus berikut sebagai bagian dari program NanoDegree ini.

• Software Analysis & Testing by Georgia Tech
• Human-Computer Interaction by Georgia Tech
• Machine Learning by Georgia Tech (baca review saya di sini)
• Machine Learning for Trading by Georgia Tech (baca review saya di sini)
• Knowledge-Based AI: Cognitive Systems by Georgia Tech
• Computability, Complexity & Algorithms by Georgia Tech
• Reinforcement Learning by Georgia Tech
• Intro to Hadoop and MapReduce

Komentar

Catatan: ulasan pendahuluan (preliminary review) ini saya buat dalam rangka membuat Rancangan Lengkap Program Belajar Data Science Mandiri. Ulasan dan penilaian saya hanya berdasar pada silabus dan ulasan orang lain dari berbagai sumber, karena saya belum mengikuti kursus ini.

Seperti program Data Analyst NanoDegree-nya Udacity (lihat review saya di sini), yang saya suka dari program nanodegree ini adalah titik beratnya di bagian praktek dan adanya review manual dari mentor terhadap proyek kita. Sehingga harapan saya 1) saya bisa mengerti proses keseluruhan untuk membuat prediksi, dari proses data mentah sampai menghasilkan model, dan 2) saya mengerti cara menggunakan tools (seperti scikit-learn dll).

Dan lebih kerennya lagi, proyek pertama untuk program ini saja adalah masalah Titanic di Kaggle, dan waktu kita hanya satu minggu untuk menyelesaikannya. Jadi terbayangnya proyek-proyek berikutnya akan lebih sulit lagi.

Tapi melihat kursus-kursus pendukung program ini, sepertinya materinya lebih fokus ke ilmu ML itu sendiri dari pada pada keseluruhan proses untuk menjadi data scientist. Misalnya, sepertinya untuk data wrangling dan exploratory data analysis kurang mendapat porsi yang cukup di kursus ini, sementara algoritma dan formula ML mendapat porsi yang sangat banyak.

Jadi kembali ke tujuan Anda, kalau Anda ingin mendalami ilmu ML, sepertinya ini adalah program yang tepat, sedangkan kalau ingin menjadi data scientist, mungkin lebih tepat mengambil Review: Data Analyst NanoDegree @Udacity.

Dari segi review, kursus ini juga mendapat penilaian yang bagus dari murid. Salah satu reviewnya saya kutip di bawah ini. Saya sendiri pernah mengikuti salah dua dari kursusnya (Machine Learning dan Machine Learning for Trading, lihat review saya di sini dan di sini), dan menurut saya sih biasa-biasa saja.

Review Lain

• Quora: “Absolutely blown away by the quality of Machine Leaning Engineer NanoDegree. This is the best course I have ever taken online or offline. Period. The program is miles ahead of the competition in Data Science education. I was so impressed by the quality and value of the program“