Gracias por A2A,
En primer lugar, Kaggle no es solo una competencia de aprendizaje automático, también debe tener muchos otros conocimientos, sino que ya ha pedido el ‘Mejor mapa de ruta para el aprendizaje automático’, luego siga cuidadosamente la siguiente respuesta.
Hace unos años estaba luchando en el campo de ML como cualquier cosa. Quora no era famosa esa vez, pero google me ayudó de muchas maneras. Me gustaría darle el ‘mantra’ que había seguido para comenzar con Machine Learning.
- ¿Cómo afecta el término de regularización a la constante de Lipschitz en la minimización empírica regularizada del riesgo?
- Si quiero comenzar con el aprendizaje profundo, ¿debería comprar una GPU de gama baja o aprovechar una solución en la nube? ¿Cuál es más barato / mejor?
- Dado lo éticamente y empáticamente incompetentes que son los humanos, ¿cuándo comenzaremos a entrenar el aprendizaje automático en grandes conjuntos de datos de decisiones éticas?
- ¿Cómo se usa el aprendizaje automático para los datos de EEG?
- Cómo usar Tensorflow para Python en Windows
Primero, comprendamos por qué requerimos conocimiento de ML en el mundo de la ciencia de datos:
- ML es el jugador principal en Predictive Analytics. En el análisis predictivo, dependemos principalmente de experimentos pasados, datos pasados o resultados. En términos simples, podríamos decir que ML nos está ayudando a predecir algo accediendo a datos pasados.
- Si desea que su producto aprenda algo de los datos que generan los usuarios, esto puede lograrse mediante algoritmos ML.
Como mencionó acerca de su competencia en Java y Python. Yo diría que será un paseo para ti. La pregunta principal aún existe: ¿Cómo empiezo?
Aquí he creado una fórmula para que entiendas que es un requisito previo:
ML = Matemáticas + Estadística + Conocimiento de programación + Estructura de datos y algoritmos
- Las matemáticas son muy necesarias si desea ingresar al campo de ML. Aquí la mayoría de las personas / estudiantes se confunden. ¿Cuántas matemáticas se requieren? Bueno, no necesitas ser un maestro de todos y cada uno de los conceptos. Lo que voy a mencionar es lo que ya has aprendido. Por lo tanto, no debe tener miedo, ya que no está aprendiendo algo nuevo y un vasto concepto de matemáticas. Debe tener conocimiento de ‘Álgebra lineal’ y ‘Cálculo’ (aunque no en profundidad). Puede repasar sus conocimientos aquí: Álgebra lineal | Academia Khan y Cálculo | academia Khan
- La estadística se considera como el alma de la ciencia de datos. No importa lo que hagas en este campo sin tener conocimiento de estadísticas, eres Big Zero. Aquí puede aprender temas importantes de estadística: Estadísticas y probabilidad | academia Khan
- El conocimiento de programación es necesario para manipular los datos e implementar el aprendizaje automático en su producto. Aquí tiene dos opciones, una con ‘Python’ y otra con ‘R’. La elección es suya, pero como ha preguntado aquí, le sugiero que elija ‘Python’. (Además, apunte aquí, ya que es competente en Python) Todavía estoy buscando repasar: Python
- El siguiente paso es practicar el algoritmo ML usando Python. Visite aquí: scikit-learn: aprendizaje automático en Python para practicar más.
Estos son requisitos previos para que los novatos comiencen con Machine Learning. Además de eso, puede asistir al curso ML ‘Andrew NG’ en YouTube. Aquí está el enlace: Colección de conferencias | Aprendizaje automático
Solo hay 10 (¡Sí! Solo 10) la mayoría de los algoritmos en ML que se usan en las industrias. Estoy proporcionando la lista de estos algoritmos. Aqui tienes:
- C4.5 (árboles de decisión)
- k-medias (agrupamiento)
- Máquinas de vectores de soporte (SVM)
- A priori
- Maximización de Expectativas (EM)
- Rango de página
- AdaBoost
- Vecinos k-más cercanos (kNN)
- Bayes ingenuos
- Árbol de clasificación y regresión (CARRITO)
Para más: los 10 mejores algoritmos de aprendizaje automático
Si necesita más ayuda, no dude en enviarme un mensaje.
(La respuesta anterior es parte de: la respuesta de Akash Dugam a ¿Cómo comienza un principiante total a aprender el aprendizaje automático?)