Siga estos 6 PASOS FÁCILES para aprender los conceptos básicos del APRENDIZAJE EN MÁQUINA en 3 meses.
¡¡Buena suerte!!
El aprendizaje automático es un campo verdaderamente vasto y en rápido desarrollo. Será abrumador sólo para comenzar. Sin duda, ha estado saltando en el punto en el que necesita usar la máquina para averiguar cómo construir modelos. Piensa un poco en lo que debe hacer; sin embargo, cuando se filtra la web en busca de algoritmos concebibles, hay muy recientemente un número excesivo de alternativas.
Para aprender el aprendizaje automático, debes ser mejor que el promedio en matemáticas. Aquí están las matemáticas que debe aprender teniendo en cuenta el objetivo final para estar preparado.
- Álgebra lineal-Álgebra lineal – MIT 18.06 Álgebra lineal por Gilbert Strang
- Teoría de probabilidad-Probabilidad y estadística – MIT 6.041 Análisis probabilístico de sistemas y probabilidad aplicada por John Tsitsiklis
- Cálculo
- Cálculo multivariado
- Teoría de grafos
- Métodos de optimización
- Cualquier lenguaje de programación que sea ampliamente utilizado para ML como python, MATLAB o C ++.
PD: recomendaría Python aquí como idioma y recomendaría los siguientes enlaces:
- Aprendizaje automático con texto en scikit-learn (PyCon 2016)
- Aprendizaje automático en Python con scikit-learn
- Aprendizaje automático con Python
https://www.youtube.com/watch?v=… https://www.youtube.com/watch?v=…
Una vez cumplidos estos requisitos, por fin puede comenzar a considerar el Aprendizaje automático.
6 PASOS FÁCILES PARA UTILIZAR EL APRENDIZAJE EN MÁQUINA?
Este es el lugar donde comienza la diversión. Ahora, se espera que la fundación comience a echar un vistazo a algunos datos. Antes de comenzar, he enumerado 30 cosas que todos deberían saber en Aprendizaje automático . La mayoría de las empresas de aprendizaje automático tienen básicamente el mismo proceso de trabajo:
PASO 1.) Fabrique sus fundamentos de aprendizaje automático estudiando algunos materiales relacionados con el tema:
a.) Las conferencias de Aprendizaje automático de Andrew Ng son un gran comienzo :
b.) Escuela de verano de aprendizaje automático :
c.) Un enlace a la lista de reproducción completa está aquí (Colección de conferencias | Aprendizaje automático)
https://www.youtube.com/view_pla …
d.) Certificado de aplicaciones y minería de datos de Stanford :
http://scpd.stanford.edu/public/…
e.) Introducción a la inteligencia artificial por el Prof. Deepak Khemani IIT Madras
http://nptel.ac.in/courses/10610 …
f.) ” La mejor introducción de aprendizaje automático que he visto hasta ahora”.
PASO 2.) Toma un curso en línea
Lo principal que aconsejo a alguien que necesita aprender aprendizaje automático es tomar el curso en línea de Andrew Ng.
Creo que el curso de Ng es especialmente puntual y excepcionalmente eficiente, por lo que es un conocido extraordinario para alguien que necesita ingresar a ML. Me sorprende cuando los individuos me revelan que el curso es “excesivamente fundamental” o “excesivamente superficial”.
Ante la posibilidad de que me revelen que solicito que aclaren el contraste entre Regresión logística y SVM de kernel lineal, PCA versus Factorización matricial, regularización o pendiente de gradiente. He hablado con los aspirantes que afirmaron años de encuentro de ML que no sabían la respuesta a estas preguntas. En su mayor parte están claramente aclarados en el curso de Ng.
Hay muchos otros cursos en línea que puede tomar después de este, pero ahora está en su mayor parte preparado para pasar a la siguiente etapa.
Vea mi publicación anterior Los 10 mejores videos, profesores y cursos sobre aprendizaje automático para principiantes y avanzados
PASO 3.) Algunas sugerencias de libros
Mi paso subsiguiente sugerido es obtener un libro decente de LD (mi resumen más abajo), leer las secciones principales de introducción, y después de que el rebote a cualquier parte incorpore un algoritmo, está interesado. Cuando hayas descubierto que algo, salta a él, observa cada uno de los puntos de interés y, en particular, implementalo. En el último paso del curso en línea, a partir de ahora, habría actualizado algunos algoritmos en Octave. Sea como sea, aquí estoy mirando la ejecución de un algoritmo sin ninguna preparación en un lenguaje de programación “real”. En cualquier caso, puede comenzar con uno simple, por ejemplo, Regresión logística regularizada por L2, o k-means, pero también debería esforzarse para actualizar todos los más interesantes, por ejemplo, SVM. Puede utilizar una implementación de referencia en una de las muchas bibliotecas existentes para asegurarse de que está obteniendo resultados equivalentes.
- El razonamiento bayesiano de David Barber y el aprendizaje automático
- Aprendizaje automático de Kevin Murphy: una perspectiva probabilística
- Google dice que el aprendizaje automático es el futuro
- Los elementos del aprendizaje estadístico de Hastie, Tibshirani y Friedman
- Reconocimiento de patrones del obispo y aprendizaje automático
- Andrew Ng OpenClassRoom Stanford
- Aprendizaje de máquina de Mitchell
También hay numerosos libros geniales que se centran en un tema específico. Por ejemplo, Sutton and Re-Inforcement Learning es una obra de arte. Además, el libro Deep Learning (accesible en la web) prácticamente se está convirtiendo en un ejemplar antes de su distribución. Sea como sea, necesita un par de esos libros para reunir un grado de comprensión de gran alcance y equilibrado del campo.
Ver mi publicación anterior 10 libros electrónicos gratuitos que debes leer sobre los conceptos básicos del aprendizaje automático .
Asimismo, puede ir específicamente a un trabajo de investigación que presente un algoritmo o enfoque que le interese y se sumerja en él.
PASO 4.) La mayoría de los algoritmos esenciales
Se confía en usted para conocer las tuercas y los tornillos de un algoritmo esencial.
Ver mis algoritmos posteriores a 15 algoritmos que los ingenieros de aprendizaje deben conocer .
En cualquier caso, además de los algoritmos, también es fundamental saber cómo configurar sus datos (selección de características, transformación y compresión) y cómo evaluar sus modelos. Tal vez, como iniciador, podría ver nuestro Aprendizaje de máquina en el ejercicio de instrucción scikit-learn en SciPy 2016. Condensa una gran parte de los rudimentos al presentar la biblioteca de scikit-learn, que puede resultar útil para la ejecución y otros exámenes. :
PASO 5.) Juega con unos enormes conjuntos de datos que son accesibles de forma abierta.
Descubra un conjunto de datos que le parezca especialmente intrigante o sobre el que tenga hipótesis y verifique si tiene razón.
a.) Datos del gobierno de los EE. UU. http://www.data.gov/
b.) Contender en Kaggle o construir algo con uno de sus conjuntos de datos, es realmente divertido y genuino. https://www.kaggle.com/
” Kaggle es una plataforma para el modelado predictivo y las competiciones de análisis en las que las empresas e investigadores publican sus datos, y los estadísticos y mineros de datos de todo el mundo compiten para producir los mejores modelos”. – Wiki
Kaggle lo expone a una amplia gama de problemas de Aprendizaje automático, las competiciones de Kaggle lo obligan a codificar y a codificar su solución de la manera más eficiente posible, haciendo concesiones entre el tiempo del programador, el tiempo de CPU, RAM, etc. Cada competencia tiene un Foro donde los competidores se ayudan entre sí para abordar el problema. Estarás compitiendo contra algunos de los mejores ingenieros del mundo. Finalmente, los reclutadores están recorriendo las tablas de Kaggle en busca de ingenieros talentosos. Podrías encontrar una nueva posición .
Debería comenzar su kaggle con Titanic porque, debido a que hay muchos scripts / problemas accesibles, tendrá la capacidad de construir diversos tipos de modelos que también le permitirán comprender algunos de los algoritmos de aprendizaje automático.
A continuación, puede ocuparse de un tema interesante. Reclutar en Facebook por qué, dado que dada la facilidad de la estructura de datos y la extravagancia del contenido , puede unirse a las tablas correctas y hacer un cálculo preciso en este caso.
Cuando haya terminado con estos dos, debería estar listo para abordar temas más interesantes de acuerdo con su interés.
He enumerado 40 proyectos divertidos de aprendizaje automático para principiantes en aprendizaje automático. Cuando termine, puede echar un vistazo a los 35 principales proyectos de aprendizaje automático en Github para obtener más inspiración.
Algunos sitios que pueden ayudarlo a resolver problemas : https: //stackoverflow.com , http : //www.gitxiv.com/ , http://www.arxiv-sanity.com/ , https://arxiv.org/
PASO 6.) Participa en un aprendizaje automático centrado en el producto o en un evento Attend ML.
El grupo que busca debe estar cargado de ingenieros a los que desea instruir y aprender. Esto te ayudará a convertirte en un buen ingeniero de aprendizaje automático. Del mismo modo, al separar un grupo de productos, rápidamente descubrirás cómo la ciencia y la hipótesis del aprendizaje automático varían de la capacitación. Específicamente, cómo la conducta del cliente le mostrará algo nuevo cada día.
Vaya a los eventos de aprendizaje automático en los que puede darse cuenta de lo que hace la gente en las charlas y participar con hackathons, ejercicios de instrucción y talleres como:
La conferencia de aprendizaje automático
Conferencia de estratos de O’Reilly
PyData
Conferencia de datos ricos de Crowdflower
PD: ¿Quiere saber en profundidad los últimos recursos de AI y ML en la web? DEBE ver esta página de índice aquí .
CONCLUSIÓN:
No dudes en fallar . La mayor parte de su oportunidad en el aprendizaje automático se dedicará a tratar de entender por qué un algoritmo no funcionó como esperaba o por qué recibí los errores que son comunes. La perseverancia es crítica.
Simplemente deja que todo salga. En el caso de que piense que la regresión logística puede funcionar … inténtelo con un pequeño conjunto de datos y perciba cómo lo hace. Estas actividades tempranas son una caja de arena para asimilar las técnicas al caer de plano, así que aproveche y pruebe todo lo que sea un buen augurio.
En ese punto … en caso de que sea rápido para llevar a casa el tocino aprendiendo a máquina, haga su propio sitio. Cree un sitio web que incluya cada una de las empresas a las que se haya dedicado. Muestra cómo los hiciste. Demostrar los productos finales. Hazlo hermoso. Tener imágenes decentes. Haz que el proceso sea capaz. Haga un artículo que otra persona pueda ganar y luego confíe en que una empresa puede ver todo el trabajo que realiza.
Para comenzar con el ML, debes entender que el ML no es algo que sea 100% preciso , la mayoría de los casos son solo una estimación decente y grandes cantidades de iteraciones. Así que pensar en un pensamiento único es difícil como regla , en vista del tiempo y los recursos que gastará en la preparación del modelo. Así que no intente dar sentido a las soluciones por sí mismo: busque documentos, proyectos, expertos que puedan ayudarlo. Cuanto más rápido obtengas experiencia, mejor. ¡¡Todo lo mejor!!
