Jusqu'à ce qu'un ingénieur qui était autrefois frustré par l'apprentissage automatique parvienne à utiliser l'apprentissage automatique au travail

en premier

L'apprentissage automatique est un peu déroutant pour les ingénieurs de plus de 4x ans, il y a des formules quand on ouvre un livre, il y a du python, qu'est-ce que c'est délicieux? Il y a environ cinq ans, j'ai essayé d'apprendre l'apprentissage automatique à Coursera, mais le Dr Andrew Ng était frustré à la semaine 4. Quelle est la différence entre «apprentissage supervisé» et «apprentissage non supervisé»?

** Lecteur supposé ** Ceux qui ont une autre carrière dans l'industrie informatique et qui souhaitent trouver ou essayer d'acquérir une carrière en apprentissage automatique mais qui ont été frustrés

** À propos de ma carrière ** En commençant par un ingénieur en développement hôte, nous travaillons depuis dix ans sur des serveurs clients, des applications web et des systèmes de développement. Après cela, mon travail principal est le réseau et l'infrastructure.

** Relation avec l'apprentissage automatique ** J'ai essayé d'étudier l'apprentissage automatique il y a environ 5 ans, mais je ne comprenais pas ce que je faisais, donc j'étais facilement frustré. Après cela, lisez-le dans les magazines.

Note) L'analyse des données, la mécanique et l'intelligence artificielle ne sont pas strictement séparées dans ce texte.

Défaite frustrée

  1. Je n'ai pas compris l'apprentissage automatique
  2. Comment étudier

Je n'ai pas compris l'apprentissage automatique

Tout d'abord, je ne comprenais pas ce qu'était l'apprentissage automatique.

Je ne savais pas comment étudier

Comment étudier cette fois

J'ai décidé de diviser les points de vue et de procéder pour que je puisse les comprendre efficacement.

  1. Permettez aux utilisateurs de parler de l'apprentissage automatique-> Présentation de l'intelligence artificielle
  2. Comprendre l'analyse générale des données qui ne repose pas sur l'apprentissage automatique -> Analyse des données en général
  3. Comprendre les points du projet pour introduire l'apprentissage automatique-> Gestion de projet
  4. Rendre l'apprentissage automatique utilisable pour le moment-> Bases de l'apprentissage automatique
  5. Premiers pas avec Python-> Apprendre Python
  6. Approfondissez votre compréhension des mathématiques et rédigez un code d'implémentation de l'apprentissage automatique-> mathématiques
  7. En savoir plus sur l'apprentissage automatique-> Pour l'apprentissage automatique intermédiaire

Vue d'ensemble de l'intelligence artificielle

Matériel pédagogique recommandé

** Test G ** Le test G est définitivement recommandé pour ceux qui souhaitent pouvoir parler aux utilisateurs de l'apprentissage automatique et de l'IA en deux semaines! Renseignez-vous efficacement sur l'histoire, les développements futurs, les dangers et les philosophies de l'intelligence artificielle. Les deux matériels didactiques suivants sont recommandés.

** [L'intelligence artificielle est-elle au-delà des humains? Au-delà de l'apprentissage en profondeur](https://www.amazon.co.jp/%E4%BA%BA%E5%B7%A5%E7%9F%A5% E8% 83% BD% E3% 81% AF% E4% BA% BA% E9% 96% 93% E3% 82% 92% E8% B6% 85% E3% 81% 88% E3% 82% 8B% E3% 81% 8B-% E3% 83% 87% E3% 82% A3% E3% 83% BC% E3% 83% 97% E3% 83% A9% E3% 83% BC% E3% 83% 8B% E3% 83 % B3% E3% 82% B0% E3% 81% AE% E5% 85% 88% E3% 81% AB% E3% 81% 82% E3% 82% 8B% E3% 82% 82% E3% 81% AE -% E8% A7% 92% E5% B7% 9DEPUB% E9% 81% B8% E6% 9B% B8-% E6% 9D% BE% E5% B0% BE-% E8% B1% 8A / dp / 4040800206) ** ** Ce livre doit absolument être lu. Différents termes sont intimement liés dans l'analyse des données, l'apprentissage automatique et l'intelligence artificielle, et la personne qui les utilise ne comprend pas les définitions claires ou les différences. Le chapitre 1 définit clairement l'intelligence artificielle et clarifie ses différences par rapport aux autres termes. Par ailleurs, dans les chapitres 2 à 5, différents domaines de l'intelligence artificielle sont organisés en retraçant l'histoire de l'intelligence artificielle. Les chapitres 6 et 7 ont de nombreuses implications sur l'IA lorsqu'ils parlent aux utilisateurs en entreprise. Cela prend environ deux heures à lire, et c'est un livre que vous devriez quand même lire.

** [Généraliste du test Thorough capture Deep Learning G](https://www.amazon.co.jp/%E5%BE%B9%E5%BA%95%E6%94%BB%E7%95%A5-% E3% 83% 87% E3% 82% A3% E3% 83% BC% E3% 83% 97% E3% 83% A9% E3% 83% BC% E3% 83% 8B% E3% 83% B3% E3% 82% B0G% E6% A4% 9C% E5% AE% 9A-% E3% 82% B8% E3% 82% A7% E3% 83% 8D% E3% 83% A9% E3% 83% AA% E3% 82 % B9% E3% 83% 88-% E5% 95% 8F% E9% A1% 8C% E9% 9B% 86-% E5% BE% B9% E5% BA% 95% E6% 94% BB% E7% 95 % A5% E3% 82% B7% E3% 83% AA% E3% 83% BC% E3% 82% BA-ebook / dp / B07NDVCN99) ** Il existe différents livres de référence pour passer le test G, mais je pense que celui-ci me suffit. En recherchant sur Internet uniquement les parties que je ne pouvais pas comprendre dans ce livre et en passant le test, j'ai pu obtenir le test G. Après avoir terminé le test G, vous pouvez parler à l'utilisateur en utilisant des mots similaires pour le moment. En outre, il est possible d'utiliser correctement des termes liés à l'analyse de données, à l'apprentissage automatique et à l'intelligence artificielle dans une certaine mesure.

Analyse des données en général

Un domaine de l'analyse des données est l'apprentissage automatique, et un domaine de l'apprentissage automatique est l'intelligence artificielle. Si vous ne comprenez pas l'analyse de données comme un grand framework, vous ne pouvez être qu'un ingénieur d'apprentissage automatique temporaire. D'autre part, si vous comprenez le domaine de l'analyse de données, vous pouvez utiliser des méthodes statistiques, des méthodes d'apprentissage automatique et de l'intelligence artificielle si nécessaire. Il est inutile d'utiliser l'intelligence artificielle pour l'analyse de données qui ne nécessite que Excel!

Matériel pédagogique recommandé

** [Livre pour acquérir de réelles capacités d'analyse de données](https://www.amazon.co.jp/%E6%9C%AC%E7%89%A9%E3%81%AE%E3%83% 87% E3% 83% BC% E3% 82% BF% E5% 88% 86% E6% 9E% 90% E5% 8A% 9B% E3% 81% 8C% E8% BA% AB% E3% 81% AB% E4% BB% 98% E3% 81% 8F% E6% 9C% AC-% E6% 97% A5% E7% B5% 8CBP% E3% 83% A0% E3% 83% 83% E3% 82% AF-% E6% B2% B3% E6% 9D% 91-% E7% 9C% 9F% E4% B8% 80 / dp / 4822237729) ** La grande chose à propos de ce livre est qu'il combine conception-> pré-vérification-> méthode d'analyse-> analyse-> évaluation et interprétation-> expression dans un livre compact. Comprendre clairement les illustrations et les problèmes de base sur la manière de passer de la définition du champ problématique à l'analyse des données. De plus, si vous créez des travaux pratiques avec un modèle créé à l'avance avec Excel, vous serez certainement un débutant diplômé en analyse de données.

** [Analyse statistique pour 100 millions de personnes](https://www.amazon.co.jp/1%E5%84%84%E4%BA%BA%E3%81%AE%E3%81%9F % E3% 82% 81% E3% 81% AE% E7% B5% B1% E8% A8% 88% E8% A7% A3% E6% 9E% 90-% E3% 82% A8% E3% 82% AF% E3% 82% BB% E3% 83% AB% E3% 82% 92% E6% 9C% 80% E5% BC% B7% E3% 81% AE% E6% AD% A6% E5% 99% A8% E3% 81% AB% E3% 81% 99% E3% 82% 8B-% E8% A5% BF% E5% 86% 85-% E5% 95% 93 / dp / 4822273806) ** L'auteur, Kei Nishiuchi, est bien connu pour «les statistiques sont l'étude la plus solide». Cependant, ce livre est recommandé dans le sens de super pratique. Lorsque vous commencez à vous impliquer dans l'analyse de données en tant qu'ingénieur informatique, le premier défi est de savoir comment comprendre les problèmes qui se produisent dans votre entreprise et les intégrer dans l'analyse des données. Les méthodes et pratiques d'analyse des données peuvent être effectuées sans trop de difficultés avec des connaissances informatiques de base. Cependant, pour le faire passer de l'entreprise au domaine de l'analyse de données, il est nécessaire d'avoir des connaissances orientées métier plutôt que l'informatique. Ce livre fait progresser l'analyse des données sur la base d'études de cas réels. Le logiciel que j'utilise est Excel, et les méthodes sont principalement des tableaux croisés dynamiques et des statistiques. En lisant ce livre, vous comprendrez comment intégrer les défis commerciaux dans votre application ci-dessous.

** [Introduction au processus pratique d'analyse des données](https://www.amazon.co.jp/%E3%83%87%E3%83%BC%E3%82%BF%E8%A7%A3%E6% 9E% 90% E3% 81% AE% E5% AE% 9F% E5% 8B% 99% E3% 83% 97% E3% 83% AD% E3% 82% BB% E3% 82% B9% E5% 85% A5% E9% 96% 80-% E3% 81% 82% E3% 82% 93% E3% 81% A1% E3% 81% B9 / dp / 4627817711) ** Ce livre est plus fin et plus pratique que les deux précédents. Mais c'est pourquoi la lecture de ce livre en premier vous frustrera certainement. Ou même si vous ne vous sentez pas frustré, vous ne pouvez pas comprendre ce que vous faites et vous perdez votre temps à lire. Chacun des deux livres ci-dessus peut être complété en environ une semaine, y compris les travaux pratiques. Ensuite, lisez ce livre pour rafraîchir votre analyse de données du niveau hobby au niveau professionnel. J'ai toujours ce livre à mes côtés et je le lis pour trouver des idées lorsque je suis coincé.

gestion de projet

Afin d'introduire un nouveau système en interne, il est nécessaire de procéder comme un projet. Si vous ne faites pas de projet, vous ne pouvez pas vous le permettre, vous n'avez pas le personnel et vous ne pouvez pas communiquer avec les services concernés. Même si vous savez comment procéder avec un projet de développement de système, clarifiez ce qui est différent dans un projet d'analyse de données.

Matériel pédagogique recommandé

** [Livre pour comprendre le projet de système d'intelligence artificielle](https://www.amazon.co.jp/%E4%BA%BA%E5%B7%A5%E7%9F%A5%E8%83%BD% E3% 82% B7% E3% 82% B9% E3% 83% 86% E3% 83% A0% E3% 81% AE% E3% 83% 97% E3% 83% AD% E3% 82% B8% E3% 82% A7% E3% 82% AF% E3% 83% 88% E3% 81% 8C% E3% 82% 8F% E3% 81% 8B% E3% 82% 8B% E6% 9C% AC-% E4% BC % 81% E7% 94% BB% E3% 83% BB% E9% 96% 8B% E7% 99% BA% E3% 81% 8B% E3% 82% 89% E9% 81% 8B% E7% 94% A8 % E3% 83% BB% E4% BF% 9D% E5% AE% 88% E3% 81% BE% E3% 81% A7-AI-TECHNOLOGY-% E6% 9C% AC% E6% A9% 8B / dp / 4798154059) ** Comme prévu, lorsqu'il a plus de 40 ans, il a plusieurs fois de l'expérience dans des projets informatiques. Le but ici est de comprendre quelle est la différence entre le projet informatique et le projet d'apprentissage automatique jusqu'à présent, quel est le même point que le développement d'un autre système et quel est le point différent. Cela permet d'introduire en douceur des projets d'apprentissage automatique / d'intelligence artificielle tout en utilisant les connaissances acquises jusqu'à présent. Et il existe deux différences distinctes par rapport aux projets précédents. Il n'y avait qu'un seul livre qui présentait POC et KPI d'une manière facile à comprendre.

Bases de l'apprentissage automatique

C'est le cœur de l'apprentissage automatique. Vous pouvez choisir entre Python et R comme langage, mais pour l'instant, il est recommandé d'apprendre les bases de l'apprentissage automatique en Python à partir des matériaux et du potentiel futur.

Matériel pédagogique recommandé

** Manuel de science des données Python ** Si vous ne savez pas par quoi commencer, commencez ici. Ce livre est disponible gratuitement en anglais. Lorsque vous utilisez l'apprentissage automatique avec Python, les packages que vous utilisez définitivement sont numpy, pandas et matplotlib. En guise d'introduction, vous apprendrez d'abord les bases de l'utilisation de chaque package. Ensuite, passez au package d'apprentissage automatique réel, sciki learn. Le montant n'est ni trop ni trop petit, et vous pouvez continuer sans perdre trop de temps. Dans le chapitre sur l'apprentissage automatique, vous trouverez également des formules mathématiques, mais au lieu d'essayer de les comprendre de force, vous devriez vous concentrer sur la façon d'utiliser le package pour le moment.

** [Introduction à l'analyse des données avec Python](https://www.amazon.co.jp/Python%E3%81%AB%E3%82%88%E3%82%8B%E3%83%87%E3% 83% BC% E3% 82% BF% E5% 88% 86% E6% 9E% 90% E5% 85% A5% E9% 96% 80-% E7% AC% AC2% E7% 89% 88-% E2% 80% 95NumPy% E3% 80% 81pandas% E3% 82% 92% E4% BD% BF% E3% 81% A3% E3% 81% 9F% E3% 83% 87% E3% 83% BC% E3% 82% BF% E5% 87% A6% E7% 90% 86-Wes-McKinney / dp / 487311845X / ref = sr_1_1? adgrpid = 58778961568 & dchild = 1 & gclid = EAIaIQobChMIjafepdH06QIVB1RgCh2FHA2kEAAYAiAAEgIRNfD_BwE & hvadid = 338517691095 & hvdev = c & hvlocphy = 1009294 & hvnetw = g & hvqmt = e & hvrand = 4247298842042338526 & hvtargid = kwd-332404598096 & hydadcr = 27269_11561182 & jp-ad-ap = 0 & keywords = python% E3% 81% AB% E3% 82% 88% E3% 82% 8B% E3% 83% 87% E3% 83% BC% E3% 82% BF% E5% 88% 86% E6% 9E% 90% E5% 85% A5% E9% 96% 80 & qid = 15191702345 & sr = 8-1 & tag = googhydr-22) ** Nous vous recommandons de lire le manuel de science des données Python ci-dessus avant de commencer ce livre. Selon une théorie, il faut 80% de l'effort pour préparer les données et 20% pour mettre en œuvre l'apprentissage automatique. Ce livre se concentre principalement sur les techniques d'analyse de données et non sur l'apprentissage automatique. Il traite plus en détail des entrées / sorties de fichiers, du type de données, de la visualisation, de la conversion des données, etc. Par conséquent, la connaissance de Python est essentielle. Le chargement prend un certain temps si vous incluez des travaux pratiques. Cependant, si vous terminez ce livre, vous serez certainement un débutant diplômé de Python et vous pourrez maîtriser numpy, pandas et matoplotlib pour l'analyse des données.

** [Machine learning commençant par Python](https://www.amazon.co.jp/Python%E3%81%A7%E3%81%AF%E3%81%98%E3%82%81%E3% 82% 8B% E6% A9% 9F% E6% A2% B0% E5% AD% A6% E7% BF% 92-% E2% 80% 95scikit-learn% E3% 81% A7% E5% AD% A6% E3 % 81% B6% E7% 89% B9% E5% BE% B4% E9% 87% 8F% E3% 82% A8% E3% 83% B3% E3% 82% B8% E3% 83% 8B% E3% 82 % A2% E3% 83% AA% E3% 83% B3% E3% 82% B0% E3% 81% A8% E6% A9% 9F% E6% A2% B0% E5% AD% A6% E7% BF% 92 % E3% 81% AE% E5% 9F% BA% E7% A4% 8E-Andreas-C-Muller / dp / 4873117984 / ref = sr_1_1? adgrpid = 52270124614 & dchild = 1 & gclid = EAIaIQobChMI2NqqidL06QIVRaqWCh0upQUOEAAYAyAAEgJTvPD_BwE & hvadid = 338518266894 & hvdev = c & hvlocphy = 1009294 & hvnetw = g & hvqmt = e & hvrand = 16546251539735673174 & hvtargid = kwd-355766215106 & hydadcr = 27267_11561158 & jp-ad-ap = 0 & mots-clés = python% E3% 81% A7% E5% A7% 8B% E3% 82% 81% E3% 82% 8B% EF6% E9% A2% 9 % B0% E5% AD% A6% E7% BF% 92 & qid = 15191702554 & sr = 8-1 & tag = googhydr-22) ** À propos, lorsque les deux livres ci-dessus sont terminés, la préparation des données et l'apprentissage automatique de base sont parfaits. Ce livre est la première étape vers l'apprentissage automatique intermédiaire. Lorsque vous démarrez l'apprentissage automatique, il faut du temps pour nettoyer les données et concevoir les fonctionnalités. En termes de pratique, le noyau de kaggle est recommandé pour la conception de quantité de fonctionnalités. Cependant, si vous comprenez les bases de la conception des fonctionnalités à l'avance dans ce livre, vous pouvez comprendre pourquoi la conception des fonctionnalités est telle que décrite dans le noyau. Je veux relire ce prix autant de fois que je veux.

Python Comme mentionné précédemment, Python et R sont les langages courants pour l'apprentissage de l'apprentissage automatique. J'utilisais R pour gérer les données statistiques. Mais maintenant, je recommande définitivement Python pour l'apprentissage de l'apprentissage automatique.

Tout d'abord, scikitlearn fourni en Python est le meilleur package pour l'apprentissage automatique. Et divers livres et formations en ligne sont également proposés. De plus, Python est un outil puissant dans l'étape de nettoyage des données qui précède l'apprentissage automatique.

Matériel pédagogique recommandé

** Python3 enseigné par un ingénieur actif de la Silicon Valley ** Je ne dirai pas de problème, il est préférable de commencer ici pour le moment. Visez lorsque le prix est bas.

** [Python de tous](https://www.amazon.co.jp/%E3%81%BF%E3%82%93%E3%81%AA%E3%81%AEPython-%E7%AC%AC4 % E7% 89% 88-% E6% 9F% B4% E7% 94% B0-% E6% B7% B3-ebook / dp / B01NCOIC2P / ref = sr_1_1? Adgrpid = 56053864951 & dchild = 1 & gclid = EAIaIQobChMI7QXfIVdT6 = g & hvqmt = e & hvrand = 5750020569722182631 & hvtargid = kwd-398175049877 & hydadcr = 27263_11561108 & jp-ad-ap = 0 & mots-clés =% E3% 81% BF% E3% 82% 93% E3% 81% AAp% E3% 81% AAp googhydr-22) ** Un livre qui enseigne Python à partir des bases. Il explique également de manière facile à comprendre les zones difficiles à comprendre, telles que les itérateurs, les générateurs et les décorateurs.

** [Programmeur autodidacte Des bases du langage Python à la façon de travailler](https://www.amazon.co.jp/%E7%8B%AC%E5%AD%A6%E3%83%97%E3%83 % AD% E3% 82% B0% E3% 83% A9% E3% 83% 9E% E3% 83% BC-Python% E8% A8% 80% E8% AA% 9E% E3% 81% AE% E5% 9F % BA% E6% 9C% AC% E3% 81% 8B% E3% 82% 89% E4% BB% 95% E4% BA% 8B% E3% 81% AE% E3% 82% 84% E3% 82% 8A % E6% 96% B9% E3% 81% BE% E3% 81% A7-% E3% 82% B3% E3% 83% BC% E3% 83% AA% E3% 83% BC% E3% 83% BB% E3% 82% A2% E3% 83% AB% E3% 82% BD% E3% 83% 95-ebook / dp / B07BKVP9QY / ref = sr_1_1? Adgrpid = 57356695670 & dchild = 1 & gclid = EAIaIQobChMI-rrd3dT06QIVBFWCh g & hvqmt = e & hvrand = 4883408293921823160 & hvtargid = kwd-362748005277 & hydadcr = 15819_11177362 & jp-ad-ap = 0 & mots-clés =% E7% 8B% AC% E5% AD% A6% E3% 83% 97% AD B0% 83% 83% AD B3% 82% % 83% A9% E3% 83% 9E% E3% 83% BC & qid = 15191703267 & sr = 8-1 & tag = googhydr-22) ** Lorsque vous commencez à travailler en tant que programmeur, vous avez également besoin de connaissances autres que la langue. Ce livre vous donnera également une meilleure compréhension des outils dont vous avez besoin en tant que programmeur Python. Vous pouvez aller travailler avec une nouvelle entreprise et suivre des conversations comme «Gardez ce Python dans le shell» ou «Tirez le code source nécessaire de git».

Math

Si vous l'utilisez uniquement pour un travail honnête, vous n'avez pas besoin de beaucoup de mathématiques. Cependant, la compréhension dans une certaine mesure peut également aider au dépannage et à l'amélioration du code.

** Machine learning par Andrew NG ** En termes de mathématiques, les domaines peuvent changer un peu. Cependant, ce cours d'Andrew NG expliquera l'algorithme, les formules mathématiques derrière lui, et même le code d'Octave en une seule fois. Même si vous étudiez l'algèbre linéaire et le vecteur seuls, cela n'est utile en pratique que si vous comprenez comment ils sont utilisés dans les algorithmes d'apprentissage automatique et comment ils sont codés. À cet égard, ce cours est une combinaison bien équilibrée de travaux académiques et pratiques. Cependant, le test est assez difficile. .. ..

** [Les statistiques sont l'étude la plus solide [Mathématiques]](https://www.amazon.co.jp/%E7%B5%B1%E8%A8%88%E5%AD%A6%E3% 81% 8C% E6% 9C% 80% E5% BC% B7% E3% 81% AE% E5% AD% A6% E5% 95% 8F% E3% 81% A7% E3% 81% 82% E3% 82% 8B-% E6% 95% B0% E5% AD% A6% E7% B7% A8-% E2% 80% 95% E2% 80% 95% E3% 83% 87% E3% 83% BC% E3% 82% BF% E5% 88% 86% E6% 9E% 90% E3% 81% A8% E6% A9% 9F% E6% A2% B0% E5% AD% A6% E7% BF% 92% E3% 81% AE% E3% 81% 9F% E3% 82% 81% E3% 81% AE% E6% 96% B0% E3% 81% 97% E3% 81% 84% E6% 95% 99% E7% A7% 91% E6% 9B% B8-% E8% A5% BF% E5% 86% 85-% E5% 95% 93 / dp / 4478104514 / ref = pd_lpo_14_t_2 / 355-1421831-4833134? _Encoding = UTF8 & pd_rd_i = 4478104514 & pd_rd_i = 4478104514 & pd_rd98_r = 4478104514 & 5f_rd99_r = 403104514 9852-b5281dccbe37 & pd_rd_w = nWWg9 & pd_rd_wg = fnjUY & pf_rd_p = 4b55d259-ebf0-4306-905a-7762d1b93740 & pf_rd_r = P8J892952D4AYYSWPNT8 & P8J892952D4 PSRDWPNT8 & P8J892952D4 C'est à nouveau l'apparence de M. Kei Nishiuchi. Quoi qu'il en soit, il est bien connu que "les statistiques sont l'étude la plus solide", mais je recommande personnellement celle-ci. Il existe des formules mathématiques, mais comme les explications sont faciles à comprendre et écrites en japonais ordinaire, vous pouvez les comprendre même si vous n'avez pas une formation en mathématiques. J'ai l'impression d'avoir enfin compris la signification du produit intérieur dans les chapitres "Relation entre le produit intérieur des vecteurs et Σ" et "Comment utiliser le produit intérieur en statistique".

** [Mathématiques d'apprentissage facile pour comprendre l'apprentissage automatique](https://www.amazon.co.jp/%E3%82%84%E3%81%95%E3%81%97%E3 % 81% 8F% E5% AD% A6% E3% 81% B6-% E6% A9% 9F% E6% A2% B0% E5% AD% A6% E7% BF% 92% E3% 82% 92% E7% 90% 86% E8% A7% A3% E3% 81% 99% E3% 82% 8B% E3% 81% 9F% E3% 82% 81% E3% 81% AE% E6% 95% B0% E5% AD% A6% E3% 81% AE% E3% 81% 8D% E3% 81% BB% E3% 82% 93-% E3% 82% A2% E3% 83% A4% E3% 83% 8E-% E3% 83% 9F% E3% 82% AA% E3% 81% A8% E4% B8% 80% E7% B7% 92% E3% 81% AB% E5% AD% A6% E3% 81% B6-% E6% A9% 9F % E6% A2% B0% E5% AD% A6% E7% BF% 92% E3% 81% AE% E7% 90% 86% E8% AB% 96% E3% 81% A8% E6% 95% B0% E5 % AD% A6% E3% 80% 81% E5% AE% 9F% E8% A3% 85% E3% 81% BE% E3% 81% A7 / dp / 4839963525) ** [Série d'apprentissage automatique apprise par un mari] Rédigé par l'auteur de (http://tkengo.github.io/blog/2016/06/06/yaruo-machine-learning0/). Quand je vois cette série, c'est dur de le faire! J'ai réalisé que. Après avoir terminé cette série, j'ai commencé à étudier avec ce livre plus pratique. Les formules sortent parfaitement, mais tout en gardant fermement les bases, j'ai réussi à supprimer les parties compliquées qui ne sont pas si nécessaires pour les débutants. C'est un livre que je voudrais recommander à ceux qui sont frustrés par les mathématiques. À propos, au sens de formule, [Bishop book](https://www.amazon.co.jp/%E3%83%91%E3%82%BF%E3%83%BC%E3%83%B3%E8% AA% 8D% E8% AD% 98% E3% 81% A8% E6% A9% 9F% E6% A2% B0% E5% AD% A6% E7% BF% 92-% E4% B8% 8A-CM-% E3% 83% 93% E3% 82% B7% E3% 83% A7% E3% 83% 83% E3% 83% 97 / dp / 4612061224) est important, mais il sera certainement frustré si un débutant le touche. Je vais.

Pour l'apprentissage automatique intermédiaire

Eh bien, c'est probablement plus que suffisant pour un débutant. Cependant, la manière de créer un point d'appui pour les utilisateurs intermédiaires est une question de séparation. Ici, je voudrais vous présenter deux livres que j'ai lus et que j'ai définitivement senti le niveau monter. Il existe plusieurs livres appelés bons livres même à ce niveau. Cependant, honnêtement, c'est souvent trop difficile, et c'est une caractéristique de ce niveau que de nombreux livres sont frustrés en chemin.

Matériel pédagogique recommandé

** [Deep Learning from scratch](https://www.amazon.co.jp/%E3%82%BC%E3%83%AD%E3%81%8B%E3%82%89%E4%BD % 9C% E3% 82% 8B Apprentissage en profondeur-% E2% 80% 95Python% E3% 81% A7% E5% AD% A6% E3% 81% B6% E3% 83% 87% E3% 82% A3% E3% 83% BC% E3% 83% 97% E3% 83% A9% E3% 83% BC% E3% 83% 8B% E3% 83% B3% E3% 82% B0% E3% 81% AE% E7% 90% 86% E8% AB% 96% E3% 81% A8% E5% AE% 9F% E8% A3% 85-% E6% 96% 8E% E8% 97% A4-% E5% BA% B7% E6% AF% 85 / dp / 4873117585) **

C'est définitivement ce livre s'il devient un livre pour les débutants. Pour être honnête, je connaissais le mot "rétropropagation d'erreur" jusqu'à ce que je lis ce livre, mais je ne le comprenais pas du tout. Même si je lis un livre, cela ne me vient pas à l'esprit. Le chapitre 5 de ce livre, également appelé "Error Backpropagation", est implémenté à partir de zéro. Si vous en choisissez un dans ce livre, il ne s'agit que du chapitre 5. Cependant, afin d'utiliser le contenu implémenté dans l'apprentissage du réseau de neurones au chapitre 3 et du réseau de neurones au chapitre 4, j'aimerais également lire ceci.

** [Theory and Practice by Machine Learning Programming Expert Data Scientist](https://www.amazon.co.jp/Python-%E6%A9%9F%E6%A2%B0%E5%AD%A6%E7% BF% 92% E3% 83% 97% E3% 83% AD% E3% 82% B0% E3% 83% A9% E3% 83% 9F% E3% 83% B3% E3% 82% B0-% E9% 81 % 94% E4% BA% BA% E3% 83% 87% E3% 83% BC% E3% 82% BF% E3% 82% B5% E3% 82% A4% E3% 82% A8% E3% 83% B3 % E3% 83% 86% E3% 82% A3% E3% 82% B9% E3% 83% 88% E3% 81% AB% E3% 82% 88% E3% 82% 8B% E7% 90% 86% E8 % AB% 96% E3% 81% A8% E5% AE% 9F% E8% B7% B5-impress-gear / dp / 4295003379) **

Ce livre est actuellement en cours d'élaboration. Peut-être que si vous lisez ce livre et comprenez le code, vous êtes considéré comme un diplômé intermédiaire en termes de mise en œuvre. Bien que des formules mathématiques apparaissent, elles se trouvent dans la plage qui peut être comprise si les bases sont maintenues enfoncées, et il n'y a aucun problème si vous comprenez «Apprentissage facile des mathématiques pour comprendre l'apprentissage automatique». L'important est de le rechercher dès que vous ne comprenez pas la formule. Parce que, après avoir expliqué la formule, je la déposerai sans pitié dans le code, je vais donc implémenter le perceptron monocouche à partir de zéro. Le code est simple et direct, mais il nécessite une capacité considérable pour lire le code Python. En utilisant le chapitre 2 comme point de départ, nous allons poursuivre avec d'autres algorithmes de classification d'apprentissage automatique, le prétraitement des données et la validation croisée. C'est un bon livre que vous pouvez ressentir l'intention d'expliquer des contenus difficiles avec des phrases simples et du code dans son ensemble.

Recommended Posts

Jusqu'à ce qu'un ingénieur qui était autrefois frustré par l'apprentissage automatique parvienne à utiliser l'apprentissage automatique au travail
Une introduction à l'apprentissage automatique
Comment utiliser l'apprentissage automatique pour le travail? 03_Procédure de codage Python
Comment utiliser l'apprentissage automatique pour le travail? 01_ Comprendre l'objectif de l'apprentissage automatique
Une lutte après qu'un amateur d'apprentissage automatique qui a changé de travail pour une entreprise non informatique a été affecté à un projet d'IA
Vous serez ingénieur dans 100 jours ――Jour 81 ――Programmation ――À propos de l'apprentissage automatique 6
J'ai changé de travail pour devenir ingénieur en apprentissage automatique chez AtCoder Jobs
Vous serez ingénieur dans 100 jours ――Jour 82 ――Programmation ――À propos de l'apprentissage automatique 7
Vous serez ingénieur dans 100 jours ――Jour 79 ――Programmation ――À propos de l'apprentissage automatique 4
Comment utiliser l'apprentissage automatique pour le travail? 02_Aperçu du projet de développement AI
Vous serez ingénieur dans 100 jours ――Jour 76 ――Programmation ――À propos de l'apprentissage automatique
Vous serez ingénieur dans 100 jours ―― Jour 80 ―― Programmation ―― À propos de l'apprentissage automatique 5
Vous serez ingénieur dans 100 jours ――Jour 78 ――Programmation ――À propos de l'apprentissage automatique 3
Vous serez ingénieur dans 100 jours ――Jour 83 ――Programmation ――À propos de l'apprentissage automatique 8
Vous serez ingénieur dans 100 jours ――Jour 77 ――Programmation ――À propos de l'apprentissage automatique 2
Vous serez ingénieur dans 100 jours ――Jour 85 ――Programmation ――À propos de l'apprentissage automatique 10
Introduction à l'apprentissage automatique: fonctionnement du modèle
scikit-learn Comment utiliser le résumé (apprentissage automatique)
Une introduction à Python pour l'apprentissage automatique
Je ne suis pas du tout ingénieur, mais j'ai classé mon visage par machine learning
Une introduction à l'apprentissage automatique pour les développeurs de robots