Кто я?

Я Гаурав Сингх и учусь на третьем курсе NIT-Trichy (9-й инженерный институт согласно рейтингу NIRF 2021). В настоящее время я живу в Барода, Гуджарат. Мои хобби включают чтение блогов DS, игру в крикет на поле и на мобильном телефоне😁.

Чтобы узнать больше обо мне, свяжитесь со мной в LinkedIn: https://www.linkedin.com/in/gauravsingh1921/

Итак, этим летом (лето 2022 года) я прохожу 2 стажировки:

1. Летняя стажировка-исследователь в NIT-Trichy, Тамилнад

Название проекта: Fake New Detection с использованием анализа текста (NLP) и машинного обучения под руководством профессора доктора Сельвакумара К.

2. Летняя стажировка-исследователь в Университете Стратклайда, Шотландия.

Название проекта: Индекс социальных инноваций и применение новых и глубоких технологий в сельских сценариях под руководством профессора: доктора Шриваса Сахасранама.

Итак, как я уже сказал, в нашем колледже летние каникулы, и поэтому я подумал о том, чтобы сделать что-то, что могло бы помочь студентам, которые плохо знакомы с областью машинного обучения/науки о данных/анализа данных. Я занимаюсь этим последние 2 года и получил знания, которые, я думаю, будут очень полезны моим младшим, если я поделюсь своими знаниями в Интернете. И что может быть лучше, чем сделать это на сайте Medium.

Поэтому я планирую запустить серию блогов по ML, которые будут охватывать все темы, связанные с ML, а также коды для всех обсуждаемых типов моделей, и будут размещены на веб-сайте Medium в профиле @gjs190201.

Структура курса

Я планирую начать серию блогов по машинному обучению на следующей неделе, которая продлится 10 недель. Структура курса будет выглядеть примерно так:

Еженедельно мы будем ориентироваться на вышеуказанные темы:

1 неделя:

  1. Введение в машинное обучение и его приложения
  2. Различные типы машинного обучения
  3. Введение в регрессию

2 неделя:

  1. Линейная регрессия
  2. Множественная регрессия
  3. Полиномиальная регрессия
  4. Опорная векторная регрессия

Неделя 3:

  1. Случайная регрессия Форреста
  2. Регрессия дерева решений
  3. Подведение итогов регрессии + пересмотр

Неделя 4:

  1. Введение в классификацию и ее виды
  2. Логистическая регрессия
  3. K-ближайшие соседи

Неделя 5:

  1. Машина опорных векторов
  2. Наивный Байес
  3. Классификация дерева решений
  4. Случайная классификация леса

Поэтому следующие 5 недель мы будем следовать этой структуре. И опубликуем план курса на остальные 5 недель, когда мы закончим это. Спасибо и хорошего дня впереди.