Тема: Предварительная обработка данных для машинного обучения и глубина знаний ML.
Привет всем, с возвращением, к части 6 моего пути ученого данных, если вы не следили за моим блогом на прошлой неделе, пожалуйста, прочитайте его, чтобы вы могли понять, как я учусь и где я учусь.
1 . Об этой прошлой неделе
На прошлой неделе я изучил машинное обучение, бум, да, я сказал, что не перейду к машинному обучению, пока полностью не изучу предварительную обработку данных, но поверьте мне, есть несколько вещей, которые нам нужно сделать после EDA, вы поняли мою точку зрения, да, это One Hot Encoder and Label Encoderв основном это называется Feature Encoding. И я начал изучать
i) машинное обучение по senddex — youtube,
ii) машинное обучение от Технологического института Джорджии — udacity
iii) Data Lit (theschool.ai) и
iv) много видео на ютубе
Честно говоря, я уже знаю, как работает большинство алгоритмов, регрессия, k-средних, svm, k-nn, дерево решений, нейронная сеть, а не математическая часть, я просто знаю, как все работает, поэтому я учил, что мне нужно учиться. математика, машинное обучение от senddex, хорошее место для начала, он преподает математику, концепции, создание с нуля, но он не охватывает все алгоритмы, которые он только что изучил
линейная регрессия ,
K-NN ,
СВМ,
K-значит,
Среднее -Shift и
Нейронные сети.
2 . Насколько глубоко Data Scientist хочет знать машинное обучение:
Это вопрос от всех обучающихся специалистов по данным. Поэтому, когда вы решите изучать ML, не измеряйте, учитесь, пока вам не надоест. Мы не инженеры ML, верно, нам просто нужно знать Оптимизация модели, Оптимизация гиперпараметров (правильно ли я произнес?), Да, из-за математики, если вы любитель математики (я я не любитель математики) вы можете учиться и создавать свои собственные с нуля с помощью numpy и pandas, но мы используем SKlearn для создания модели и ее оптимизации, поэтому вам нужно понять концепцию принципа работы (с/без [математики] попробуйте учиться с математикой) .
3 . Кодирование/выбор функции:
Прежде чем переходить к машинному обучению, убедитесь, что вы понимаете кодирование и выбор функций, это очень важно для точности модели.
4. О предстоящей неделе:
Я не знаю, что я собираюсь делать, у меня двоякое мышление
1 . Сначала изучите машинное обучение,
2 . Сначала изучите машинное обучение.
5 . Ресурсы недели:
Data Lit (theschool.ai)известногоютубера Сираджа Равеля
Предыдущий пост:
