Начало работы с машинным обучением — предварительные требования, часть 1 (Python)
Привет, начинающий энтузиаст машинного обучения!
Позвольте мне быть с вами как можно более ясным. Я (почти) полный нуб в машинном обучении. Да, я изучаю электротехнику и электронику, но мы похожи в том, что машинное обучение не входит в сферу моей компетенции. У меня есть немного знаний, которые могут быть полезны для ML, — это немного исчисления, статистики и линейной алгебры, которые можно легко выучить!
Если вы ищете полезные советы по машинному обучению, вы не найдете их ни в этом посте, ни в моем блоге… пока! На данный момент я знаю столько же, сколько будущий выпускной университет студент со слабо связанной степенью.
Однако я готов с головой окунуться в кладезь знаний о машинном обучении, доступных в Интернете. Честно говоря, мне приходит в голову куча идей, связанных с искусственным интеллектом, и в течение долгого времени я был бессилен что-либо с этим поделать.Это меня ОЧЕНЬ беспокоило!
Но это скоро изменится!
Этот блог — мой способ задокументировать свое путешествие в мир машинного обучения и поделиться им с людьми, которые пытаются проникнуть в тайны этой сцены.
Структуру своего пути я выбрал с помощью этой удивительной дорожной карты от ребят из EliteDataScience.com.
Совет для начинающих №1: Избегайте изучения непрактичных вещей!
Мы хотим начать работать над проектами и как можно скорее намочить руки, и как это сделать, кроме как уклоняться от неактуальной (пока) теории в начале?
Важные предпосылки
Вот с какими областями я буду знакомиться, только в той мере, в какой это имеет отношение к моим знаниям в области машинного обучения. Не нужно читать целые книги по статистике, это перебор. Помните, мы хотим добраться до практических вещей в кратчайшие сроки.
- Python для науки о данных
- Статистика для науки о данных
- Математика для науки о данных.
Лично я начну с Python на этой неделе и предлагаю вам сделать то же самое.
Раньше я работал с C++, поэтому мне просто нужно изучить синтаксис Python. Ведь природа основных черт каждого языка очень похожа. Хотя Python гораздо больше похож на Pythonic, если вы позволите ему быть. Pythonic просто означает достижение тех же результатов с гораздо более понятным и простым кодом.
Прежде чем вы сможете кодировать на Python, вам нужно будет установить IDE (я рекомендую PyCharm) и последнюю версию Python на свой компьютер.
Вот сообщение, показывающее, как это сделать: https://www.guru99.com/how-to-install-python.html
Вот мой шаг № 1: Освежить в памяти синтаксис Python.
Если вы никогда раньше не программировали, воспользуйтесь этой бесплатной онлайн-книгой. Но не отвлекайтесь! Все, что вам нужно на данный момент, описано в Главе 6: https://automatetheboringstuff.com/.
В противном случае посмотрите это видео и вслед за ним напишите код в PyCharm (или в предпочитаемой вами IDE).
Теперь, когда мы это сделали, давайте приступим к кодированию практических вещей.
Мы можем начать прямо здесь:
- Раздел аркад в кодовом сигнале — я лично считаю, что в целом это очень хороший сайт, но мы будем закреплять знания, выполняя задания.
- Python Challenge — Довольно крутой сайт. Выглядит немного устаревшим, но пусть это вас не смущает, потому что когда-то выполненные задачи очень полезны :)
- Думай как компьютерщик — это кажется очень хорошим структурированным подходом к изучению не только Python, но и правильного способа логического мышления для CS :)
- PracticePython — тоже неплохой сайт с задачами по Python и решениями!
Я хотел бы оставить это на этом пока, но тем временем я буду практиковать эти задачи и писать новый пост в блоге с концепциями программирования Python, которые бросили мне вызов, и как я их понял :)
