¿Cómo se hizo Andrew Ng tan bueno en Machine Learning?

He leído muchos de los comentarios de Andrew, así que mencionaré algunas cosas que he encontrado.

• Claramente tiene una inteligencia natural muy alta y una gran cantidad de energía.
• Ha estado en eso por mucho tiempo. Estuvo muy involucrado en la investigación de ML como estudiante universitario, y bien pudo haber estado trabajando en el aprendizaje de IA / estadísticas / etc. antes de la universidad.
• Debido a que ha estado constantemente expuesto a los mejores (CMU, MIT, Berkeley, Stanford), ha estado expuesto a lo que se necesita para hacer un gran trabajo.
• Él lee periódicos durante dos horas al día, lo que según él lo lleva a buenas ideas. Me di cuenta de que entre los investigadores de ML / CV / NLP, para muchos de ellos, los ves con un IDE abierto todo el día, y probablemente no leen lo suficiente. Aquellos que leen más tienden a tener mejores ideas y acceso a una gama más amplia de herramientas.
• Si bien sus explicaciones son extremadamente lúcidas, aparentemente este no fue siempre el caso. Durante su primer año como profesor, recibió críticas terribles sobre la enseñanza. Trabajó en ello hasta que se volvió excelente.

Un aspecto que aún no se ha mencionado es la exposición temprana del profesor Ng al aprendizaje automático.

Dos historias vienen a la mente.

1) 10-701 es la introducción a la clase Machine Leaning para estudiantes de doctorado en CMU (tenga en cuenta que 10-715 es la clase de introducción a ML para estudiantes de doctorado en el departamento de ML). Según el profesor Tom Mitchell, el profesor Ng no solo tomó el curso como estudiante de segundo año, sino que obtuvo la calificación más alta de la clase. Obviamente, esto requiere mucho tiempo invertido en aprender realmente el material, interés en el tema para aprenderlo con tanto detalle y simplemente brillantez.

2) En las Sesiones de Quora de Andrew Ng, específicamente la pregunta, “¿Qué desencadenó el deseo de Andrew Ng de aprender inteligencia artificial?”, El Profesor Ng comenta cómo “comenzó a implementar redes neuronales (ahora llamadas” aprendizaje profundo “) cuando tenía 16 años. . Fui pasante en la Universidad Nacional de Singapur. Lo que hicimos entonces fue trivial en comparación con los estándares actuales, ¡pero en ese momento pensé que era increíble que unas pocas líneas de código pudieran hacer que una computadora aprendiera! ”

Además, para reiterar lo que Alexander Moreno mencionó en otro comentario, el profesor Ng ha estado expuesto a las mejores mentes en el campo del aprendizaje automático mientras cursaba su educación (licenciados en CMU, maestría en MIT, doctorado en UC Berkley, profesor en Stanford) .

Habiendo sido enseñado por él y encontrado sus presentaciones, me di cuenta de lo siguiente:

1. Su pasión en el tema de Machine Learning como punto de partida es por qué estamos viendo su fortaleza en el campo.
2. Su inteligencia es incuestionable, por lo tanto, comprende muy bien las tendencias y cómo el aprendizaje automático está resolviendo esos manillares.
3. La voluntad de transferir su conocimiento es la razón principal por la que se ha vuelto tan bueno porque todos nos vamos y nos convertimos en un éxito que lo motiva a hacer más en el campo.
4. Ha realizado una gran investigación en el campo que abarca muchos años en el pasado haciéndolo experimentado en el campo. Si ve algunos de los viejos videos de Stanford que hicieron con PH.D. Estudiantes, pueden decir cuánto de su tiempo ha dedicado al aprendizaje automático
5. Confianza, es consciente del impacto que tiene su conocimiento en el influyente Silicon Valley y el mundo, por lo que está más decidido
6. Una combinación de matemáticas y ciencias de la computación también lo ha hecho tan bueno porque sabe cómo combinar los dos.

Para comenzar el camino hacia el éxito en cualquier campo, uno debe tener una verdadera pasión por lo que sea que estén haciendo. Eso significa que el trabajo no es trabajo, sino algo intrigante que hacer, algo nuevo que tratar de descubrir.

El aprendizaje automático, en particular, se trata mucho de resolver “acertijos de información” y considerar tales problemas de una manera que nunca antes se había pensado … el pensamiento “original”. Al mismo tiempo, el aprendizaje automático tiene mucho que ver con saber cómo aprenden los humanos, en particular conocer / sobre los procesos de aprendizaje más eficientes, y “codificarlos” en scripts / códigos / algoritmos de aprendizaje automático.

Además, no se trata solo de inclinarse y leer a diario, sino también de aplicar / probar lo que aprende a diario en una especie de “ciclo” de auto mejora continua. Dicen que se necesitan aproximadamente 10,000 horas de aprendizaje y hacer lo mismo / cosas similares para convertirse en un experto en algo, pero después de esas 10,000 horas, en campos como la computación / aprendizaje automático, debido a que la tecnología y los métodos siguen evolucionando, uno tiene que seguir aprendiendo. y haciendo para permanecer en un nivel experto … para que simplemente no pueda descansar en sus “laureles” después de alcanzar 10,000 horas.

Muchos en Quora en los últimos tiempos siguen haciendo preguntas similares sobre cómo entrar en algún campo porque saben, leen o escuchan que genera dinero. En lugar de eso, debería preguntarse en qué cosas es bueno alguien y cuál es la mejor manera de evaluarlo, y luego, a partir de ahí, entrar en los campos de trabajo donde uno tiene una habilidad natural para sobresalir y, con suerte, un amor por hacer ese trabajo. Como dice el viejo dicho, “Haz lo que amas y el dinero seguirá” … muchos están tratando de hacerlo “de la manera difícil” diciendo que haré lo que “parece” que me hará ganar más dinero y espero que lo hagan También me encanta hacer lo que sea. También debe observar el verdadero significado de los salarios promedio / medios en cualquier industria y realmente saber lo que significa y la cantidad de habilidades, conocimientos, etc., necesarios para alcanzar varios niveles de pago, y que solo el 1% como máximo están ganando el máximo nivel paga en cualquier industria.