Enregistrez les étapes pour comprendre l'apprentissage automatique
Vous pourrez comprendre à peu près avec 3 vidéos et 1 livre
J'écrirai avec un concept comme
Vidéos recommandées
1 heure avec 3 bouteilles. Si vous regardez ça, c'est OK
- Essayez d'abord de vous déplacer: "[Introduction à l'apprentissage automatique] Les débutants créent d'abord un modèle en mouvement"
- Comprendre le toucher du deep learning: "Introduction au deep learning si simple à comprendre que vous n'avez pas besoin d'un travail interne"
- Entrée pour apprendre la bibliothèque python: "[Introduction à l'apprentissage automatique] À propos de scikit-learn [Bibliothèque que vous voulez connaître]"
Livre Python recommandé
J'essaye de recevoir environ 5 coups par jour. Vous pouvez probablement y aller avec Google, mais je pense que ce sera la distance la plus courte après tout si vous la connaissez systématiquement.
- [Essayez de toucher quand même](https://www.amazon.co.jp/ Analyse des données de pratique Python 100 coups-Shimoyama-Terumasa / dp / 4798058750) "Analyse des données de pratique Python 100 coups"
Que dois-je comprendre après tout?
Si vous faites ce qui précède, vous apprendrez ce qui suit.
- Expérience de l'écriture de Python, de la création d'un modèle et de la prédiction
- Sachez que vous pouvez obtenir et essayer diverses données en allant sur le site de Kaggle.
―― Une impression du type d'image d'un algorithme
- L'algorithme résout le problème d'optimisation. Sentiment
--Mécanismes et cas d'utilisation tels que la régression et l'augmentation de gradient
- Prétraitement des données
--Un encodage à chaud, normalisation, etc.
Édition supplémentaire
Des choses en forme de boîte à écrire
Que comprendre ensuite
--Exemple XGBoost
- Eléments de réglage des paramètres d'hyper, noyau, etc.
Est-ce que je n'aurai plus beaucoup à étudier? Pourquoi ça pourrait
――L'environnement de l'apprentissage automatique augmente.
- AutoML
- DataRobot
- AWS Forecast
――Il existe de nombreuses bibliothèques (implémentation d'algorithmes) qui font du machine learning.
--scikit-learn, XGBoost / LightGBM, etc.
――La compréhension au niveau du cas d'utilisation est suffisante plutôt que le mécanisme de l'algorithme
Ce sur quoi je veux me concentrer à l'avenir
- Collecte de données comme MLOps-Traitement-Efficacité et automatisation du flux comme l'apprentissage
- AI pour les processus de développement de système comme AI Ops
--IoT ou système de périphérique