मशीन-लर्निंग एप्लिकेशन सीखने में कुछ आसान क्या हैं? [बन्द है]


12

सामान्य रूप से मशीन-शिक्षण के लिए नया होने के नाते, मैं चारों ओर खेलना शुरू करना चाहता हूं और देखना चाहता हूं कि संभावनाएं क्या हैं।

मैं इस बात से उत्सुक हूं कि आप किन अनुप्रयोगों की सिफारिश कर सकते हैं जो स्थापना से सबसे तेजी से समय की पेशकश करेगा एक सार्थक परिणाम पैदा करेगा।

इसके अलावा, सामान्य तौर पर मशीन-लर्निंग के विषय पर अच्छी शुरुआत की गई सामग्रियों के लिए किसी भी सिफारिश की सराहना की जाएगी।


एंड्रयू एनजी द्वारा मशीन लर्निंग सीखने के अलावा, आप कागले में डेटा साइंस सिग्नेचर ट्रैक में कुछ पाठ्यक्रमों के साथ प्रयास कर सकते हैं। व्यावहारिक मशीन सीखने का एक त्वरित तरीका है किगल में निम्नलिखित मशीन सीखने की प्रतियोगिता में भाग लेना है, क्योंकि इसमें अच्छी गाइड सामग्री है आर और पाइथन में फ़ीचर सेलेक्शन, डेटा मुंगिंग और फाइनल मॉडल बनाने का तरीका। kaggle.com/c/titanic/details/getting-started-with-python
0xF

जवाबों:


13

मैं मशीन सीखने पर कुछ MOOC के साथ शुरुआत करने की सलाह दूंगा। उदाहरण के लिए एंड्रयू एनजी का कोर्स सेरसेरा में।

आपको ऑरेंज एप्लिकेशन पर भी ध्यान देना चाहिए । इसका एक ग्राफिकल इंटरफ़ेस है और शायद इसका उपयोग करते हुए कुछ एमएल तकनीकों को समझना आसान है।


5
एंड्रयू एंड्रयू कोर्स के लिए +1। यह बहुत अच्छी तरह से किया जाता है।
TylerAndFriends 15:10 पर

1
जॉन हॉपकिंस के पास एक डेटा साइंस सर्टिफिकेट ट्रैक (9 क्लासेस) भी है जो पिछले हफ्ते कसेरा में शुरू हुआ था। coursera.org/specialization/jhudatascience/… - यह सभी मशीन सीखना नहीं है, लेकिन साझा करने के लायक है। कौरसेरा अघोरियों से भरा है (और एंड्रयू एनजी एक महान व्याख्याता है)।
स्टीव कालस्टैड

11

सच कहूं तो, मुझे लगता है कि कुछ प्रोजेक्ट्स करने से आपको पूरा कोर्स करने के अलावा और भी बहुत कुछ सीखने को मिलेगा। एक कारण यह है कि एक परियोजना करना कार्य करने की तुलना में अधिक प्रेरक और खुला है।

एक कोर्स, अगर आपके पास समय और प्रेरणा (वास्तविक प्रेरणा) है, तो प्रोजेक्ट करने से बेहतर है। अन्य टिप्पणीकारों ने तकनीक पर अच्छी प्लेटफॉर्म सिफारिशें की हैं।

मुझे लगता है, एक मजेदार परियोजना के दृष्टिकोण से, आपको एक प्रश्न पूछना चाहिए और उसे जवाब देने के लिए एक कंप्यूटर प्राप्त करना चाहिए।

कुछ अच्छे क्लासिक प्रश्न जिनके अच्छे उदाहरण हैं:

  • हाथ से लिखे अंकों को पहचानने के लिए तंत्रिका नेटवर्क
  • लॉजिस्टिक रिग्रेशन का उपयोग कर स्पैम ईमेल वर्गीकरण
  • गाऊसी मिश्रण मॉडल का उपयोग करके वस्तुओं का वर्गीकरण
  • रेखीय प्रतिगमन के कुछ उपयोग, शायद पड़ोस को दिए गए किराने की कीमतों का पूर्वानुमान

इन परियोजनाओं में गणित किया गया है, कोड किया गया है, और Google के साथ आसानी से पाया जा सकता है।

अन्य शांत विषय आपके द्वारा किए जा सकते हैं!

अंत में, मैं रोबोटिक्स पर शोध करता हूं, इसलिए मेरे लिए सबसे FUN एप्लिकेशन व्यवहार संबंधी हैं। उदाहरण शामिल हो सकते हैं (यदि आप एक arduino के साथ खेल सकते हैं)

एक एप्लिकेशन बनाएं, जो लॉजिस्टिक रिग्रेशन का उपयोग करता है शायद, यह सीखता है कि पंखे को बंद करने पर और भीतर के तापमान को देखते हुए, और कमरे में प्रकाश की स्थिति के बारे में जानें।

एक एप्लिकेशन बनाएं जो एक रोबोट को एक एक्ट्यूएटर, शायद एक पहिया, सेंसर इनपुट (शायद एक बटन प्रेस) के आधार पर, गाऊसी मिक्सचर मॉडल (प्रदर्शन से सीख) का उपयोग करके सिखाता है।

वैसे भी, वे बहुत उन्नत हैं। मैं जो बिंदु बना रहा हूं वह यह है कि यदि आप एक ऐसी परियोजना को चुनते हैं जिसे आप (वास्तव में) पसंद करते हैं, और उस पर कुछ हफ़्ते बिताते हैं, तो आप एक विशाल राशि सीखेंगे, और इतना समझेंगे कि आप कुछ असाइनमेंट कर पाएंगे।


5

मुझे लगता है कि वीका एक अच्छा शुरुआती बिंदु है। आप पर्यवेक्षित शिक्षण या क्लस्टरिंग जैसे सामान का एक गुच्छा कर सकते हैं और आसानी से एल्गोरिदम न कार्यप्रणाली के एक बड़े सेट की तुलना कर सकते हैं।

वीका का मैनुअल वास्तव में मशीन लर्निंग और डेटा माइनिंग पर एक पुस्तक है जिसका उपयोग परिचयात्मक सामग्री के रूप में किया जा सकता है।


2

यह मानते हुए कि आप प्रोग्रामिंग से परिचित हैं, मैं स्किकिट-लर्निंग को देखने की सलाह दूंगा । इसमें विशेष रूप से अच्छी मदद पृष्ठ हैं जो मिनी-ट्यूटोरियल / मशीन लर्निंग के माध्यम से त्वरित दौरे के रूप में काम कर सकते हैं। एक ऐसा क्षेत्र चुनें जो आपको दिलचस्प लगे और उदाहरणों के माध्यम से काम करें।


2

मुझे मशीन लर्निंग का परिचय मिला, मशीन लर्निंग का परिचय एक महान संसाधन से मिला, जिससे शुरुआत हुई। यह जल्दी से विभिन्न मिलीलीटर तकनीकों का पता लगाने के लिए एनकोग लाइब्रेरी का उपयोग करता है ।


2

यदि आप पहले से ही आर स्टूडियो को जानते हैं, तो कैरट पैकेज शुरू करने के लिए एक अच्छी जगह है। यहाँ कुछ ट्यूटोरियल हैं:

  1. https://class.coursera.org/predmachlearn-002
  2. http://caret.r-forge.r-project.org/index.html

आर और कैरेट के साथ आप आसानी से डेटा सेट्स, फ़ीचर रिडक्शन, प्रिंसिपल कंपोनेंट एनालिसिस, और ट्रेन कर सकते हैं और विभिन्न एल्गोरिदम का उपयोग करके अनुमान लगा सकते हैं।


2

यदि आप http://scikit-learn.org/ पेज के बैनर से ग्राफ के 6x3 ग्रिड को पुन: पेश कर सकते हैं तो आपने कुछ एमएल और कुछ पायथन सीखे होंगे। आपने एक भाषा का उल्लेख नहीं किया। अजगर बहुत जल्दी सीखने के लिए आसान है, और स्किटिट-लर्न में लागू एल्गोरिदम की एक विस्तृत श्रृंखला है।

फिर अपने स्वयं के डेटा पर प्रयास करें!


1

पोस्ट किए गए पाठ्यक्रमों और ट्यूटोरियल के अलावा, मैं कुछ और 'हाथ' पर सुझाव दूंगा : कागल में कुछ परिचयात्मक प्रतियोगिताएं हैं जो आपकी रुचि को कम कर सकती हैं (ज्यादातर लोग टाइटैनिक प्रतियोगिता से शुरू करते हैं)। और जब आप अधिक अनुभव प्राप्त करना चाहते हैं, तो तलाशने और प्रतिस्पर्धा करने के लिए विषयों की एक बड़ी विविधता है।


1

जैसा कि उपर्युक्त उत्तरों में उल्लेख किया गया है कि प्रो। एंड्री एनजी द्वारा एमओओसी का अनुसरण करके और प्रो। यासर अबू-मुस्तफा द्वारा 'लर्निंग फ्रॉम डेटा' द्वारा एमएलओ की मूल बातों को समझा जाता है।

केगल प्रतियोगिताओं में सबसे अधिक इस्तेमाल किए जाने वाले उपकरण के रूप में आर स्पष्ट विजेता है । (कागल विकी और मंचों पर संसाधनों की जांच करना न भूलें)

बुनियादी आर और पायथन जानें। कौरसेरा 'डेटा साइंस' ट्रैक में एक परिचयात्मक आर कोर्स है । लगभग सभी एल्गोरिदम पायथन और आर पुस्तकालयों में पाए जा सकते हैं। कुछ कागज़ प्रतियोगिताओं में आपके द्वारा सीखे गए एल्गोरिदम का उपयोग करने के लिए स्वतंत्र महसूस करें। एक प्रारंभिक बिंदु के रूप में टाइटैनिक डेटासेट और डिजिट पहचानकर्ता डेटासेट पर कई एल्गोरिदम के प्रदर्शन की तुलना किगल पर करें

और विभिन्न डेटासेट पर अभ्यास जारी रखें!

हमारी साइट का प्रयोग करके, आप स्वीकार करते हैं कि आपने हमारी Cookie Policy और निजता नीति को पढ़ और समझा लिया है।
Licensed under cc by-sa 3.0 with attribution required.