He estado aprendiendo Python durante un par de meses para el aprendizaje automático. No tengo experiencia previa en desarrollo web.
No tuve problemas para comprender el código de Python para Data Science o Machine Learning.
Debería centrarse en las siguientes bibliotecas y es una sintaxis para familiarizarse con Python.
- ¿Podría un sistema ASI cumplir penas de prisión?
- En el aprendizaje automático, ¿cómo podemos interpretar una situación en la que los errores de entrenamiento y prueba son altos? ¿Qué debemos informar a nuestros clientes?
- ¿Podemos entrenar un algoritmo / una IA para escribir poemas?
- Cómo explicar la estructura de una red neuronal artificial al personal de alta gerencia que no sabe acerca de ANN, como las capas ocultas y sus nodos
- ¿Se pueden utilizar los datos de comentarios de Facebook para crear un software que pase la prueba de Turing?
- numpy
- Pandas
- Scikit aprender
Es bueno tener conocimiento sobre estructura de datos, algoritmo básico, OOPS en lugar de desarrollo web.
Algunos consejos:
- Elija problemas simples:
Elija problemas simples durante sus primeras etapas de aprendizaje, use conjuntos de datos livianos que pueda inspeccionar visualmente, use los mismos conjuntos de datos para cada concepto.
Por ejemplo :
a. puede usar el conjunto de datos de iris para trabajar con algoritmos de clasificación
si. puede usar un conjunto de datos con dos columnas (Emplear salario versus experiencia laboral) para la mayoría de los algoritmos de regresión
Tener un problema simple y conjuntos de datos similares le permitirá concentrarse más en comprender la sintaxis en lugar de preocuparse más por limpiar datos o escribir múltiples para bucles
2. usar plantillas :
Mientras practica Python para ML / AI, intente crear / descargar una plantilla para problemas básicos de ML (por ejemplo: como el procesamiento previo de datos, puede crear una plantilla con función de importación, función de codificación, función de escala). En su primera etapa de aprendizaje, el uso de la plantilla le hará familiar funciones simples, propiedades, etc.
Una vez que esté acostumbrado a muy pocos números de sintaxis, comenzará a explorarse a sí mismo.
3. Use hojas de trucos:
Las hojas de trucos son recursos muy importantes para practicar cualquier lenguaje de programación.
Trucos bien conocidos y probados están disponibles para bibliotecas numpy, Pandas, scikit learn.
Materiales utiles:
Curso de Python para ciencia de datos del campamento de datos
Aprenda Python para Data Science – Curso en línea
Clase Python de Google
Clase Python de Google | Python Education
El | Desarrolladores de Google