Apa saja aplikasi pembelajaran mesin yang mudah dipelajari? [Tutup]

Menjadi baru dalam pembelajaran mesin pada umumnya, saya ingin mulai bermain-main dan melihat apa kemungkinannya.

Saya ingin tahu aplikasi apa yang mungkin Anda rekomendasikan yang akan menawarkan waktu tercepat dari instalasi hingga menghasilkan hasil yang bermakna.

Juga, setiap rekomendasi untuk bahan awal yang bagus tentang masalah pembelajaran mesin secara umum akan dihargai.

Saya akan merekomendasikan untuk memulai dengan beberapa MOOC pada pembelajaran mesin. Misalnya Andrew Ng tentu saja di Coursera.

Anda juga harus melihat aplikasi Orange . Ini memiliki antarmuka grafis dan mungkin lebih mudah untuk memahami beberapa teknik ML yang menggunakannya.

Sejujurnya, saya pikir melakukan beberapa proyek akan mengajarkan Anda lebih banyak daripada melakukan kursus penuh. Salah satu alasannya adalah melakukan proyek lebih memotivasi dan terbuka daripada melakukan tugas.

Suatu kursus, jika Anda punya waktu DAN motivasi (motivasi nyata), lebih baik daripada melakukan proyek. Komentator lain telah membuat rekomendasi platform yang baik tentang teknologi.

Saya pikir, dari sudut pandang proyek yang menyenangkan, Anda harus mengajukan pertanyaan dan mendapatkan komputer untuk belajar menjawabnya.

Beberapa pertanyaan klasik bagus yang memiliki contoh bagus adalah:

• Neural Networks untuk mengenali digit tulisan tangan
• Klasifikasi email spam menggunakan regresi logistik
• Klasifikasi objek menggunakan model Gaussian Mixture
• Beberapa menggunakan regresi linier, mungkin perkiraan harga grosir diberikan lingkungan

Proyek-proyek ini telah menyelesaikan matematika, kode selesai, dan dapat ditemukan dengan Google dengan mudah.

Mata pelajaran keren lainnya dapat dilakukan oleh Anda!

Terakhir, saya meneliti robotika, jadi bagi saya sebagian besar aplikasi MENYENANGKAN adalah perilaku. Contoh bisa termasuk (jika Anda bisa bermain dengan Arduino)

Buat aplikasi, yang mungkin menggunakan regresi logistik, yang belajar kapan harus mematikan kipas dan mengingat suhu bagian dalam, dan status cahaya di ruangan.

Buat aplikasi yang mengajarkan robot untuk menggerakkan aktuator, mungkin roda, berdasarkan input sensor (mungkin dengan menekan tombol), menggunakan Gaussian Mixture Model (belajar dari demonstrasi).

Bagaimanapun, itu cukup maju. Maksud saya adalah bahwa jika Anda memilih proyek yang Anda (benar-benar sangat) suka, dan menghabiskan beberapa minggu untuk itu, Anda akan belajar banyak, dan memahami jauh lebih banyak daripada yang akan Anda lakukan dalam beberapa tugas.

Saya pikir Weka adalah titik awal yang baik. Anda dapat melakukan banyak hal seperti pembelajaran terawasi atau pengelompokan dan dengan mudah membandingkan sejumlah besar metodologi dan metodologi.

Manual Weka sebenarnya adalah buku tentang pembelajaran mesin dan data mining yang dapat digunakan sebagai bahan pengantar.

Dengan asumsi Anda terbiasa dengan pemrograman saya akan merekomendasikan melihat scikit-belajar . Ini memiliki halaman bantuan yang sangat bagus yang dapat berfungsi sebagai mini-tutorial / tur singkat melalui pembelajaran mesin. Pilih area yang menurut Anda menarik dan kerjakan contoh-contohnya.

Saya menemukan kursus Pluralsight Pengantar pembelajaran mesin encog sumber yang bagus jadi mulailah dengan. Ini menggunakan perpustakaan Encog untuk dengan cepat mengeksplorasi berbagai teknik ml.

Jika Anda sudah tahu R Studio, maka paket caret adalah tempat yang baik untuk memulai. Berikut beberapa tutorialnya:

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

Dengan R dan tanda sisipan, Anda dapat dengan mudah memuat dan membagi set data, pengurangan fitur, analisis komponen utama, dan melatih serta memprediksi menggunakan berbagai algoritma.

Jika Anda dapat mereproduksi grid grafik 6x3 dari banner halaman http://scikit-learn.org/ maka Anda akan mempelajari beberapa ML dan beberapa Python. Anda tidak menyebutkan bahasa. Python cukup mudah untuk dipelajari dengan sangat cepat, dan scikit-learning memiliki berbagai algoritma yang diimplementasikan.

Kemudian coba data Anda sendiri!

Selain kursus dan tutorial yang diposting, saya akan menyarankan sesuatu yang sedikit lebih 'hands on': Kaggle memiliki beberapa kompetisi pengantar yang mungkin mengganggu minat Anda (kebanyakan orang mulai dengan kompetisi Titanic). Dan ada banyak subjek untuk dijelajahi dan bersaing saat Anda ingin mendapatkan lebih banyak pengalaman.

Seperti disebutkan dalam jawaban di atas, pahami dasar-dasar ML dengan mengikuti MOOCs oleh Prof.Andrew Ng dan 'Learning From Data' oleh Prof. Yaser Abu-Mostafa.

R adalah pemenang yang jelas sebagai alat yang paling sering digunakan dalam kompetisi Kaggle. (Jangan lupa untuk memeriksa sumber daya di Kaggle wiki dan forum)

Pelajari dasar R dan Python. Lagu Coursera 'Data Science' memiliki kursus R pengantar . Hampir semua algoritma dapat ditemukan di pustaka Python dan R. Jangan ragu untuk menggunakan algoritma yang Anda pelajari di beberapa kompetisi kaggle. Sebagai titik awal, bandingkan kinerja beberapa algoritme pada dataset Titanic dan dataset Digit diakui pada kaggle .

Dan jangan terus berlatih di berbagai dataset!