Antes de comenzar a responder esta pregunta, me gustaría señalar que NO HAY CORTO CORTO . Tendrás que hacer el trabajo necesario. Teniendo en cuenta la palabra MEJOR que aparece en su respuesta, haré todo lo posible para dar una respuesta muy detallada y concluyente.
Tenga en cuenta los siguientes puntos antes de sumergirse en Machine Learning (ML) con Python:
- Al igual que cualquier otro lenguaje de programación, también necesita aprender Python, antes de comenzar a usar ML con python.
- Aprender Python TOMARÁ tiempo, ¡no pienses que puedes ser un programador experto en un día!
- NO hay aprendizaje automático sin álgebra lineal, estadística y teoría de probabilidad.
- La mejor manera de aprender a codificar es hacer pequeñas tareas .
Ahora, comenzamos la hoja de ruta hacia ML,
- ¿Cómo afectan los registros duplicados en el conjunto de datos de entrenamiento a un clasificador Naive Bayes?
- ¿Necesito un título universitario para trabajar en el aprendizaje automático?
- ¿Qué tan útil es la regresión del proceso gaussiano? ¿Tienes un buen ejemplo?
- ¿Cómo manejo la recompensa retrasada en el aprendizaje por refuerzo?
- ¿En qué se diferencia la teoría del "cuello de botella de información" del aprendizaje profundo del ejemplo conocido de tener una capa oculta de dimensión reducida en un codificador automático?
- Aprende Python básico:
Vaya a Codeacademy y comience a aprender, si pasa alrededor de 5 horas al día, terminará con Python básico en aproximadamente 3–4 días.
También me gustaría sugerir obtener el libro Learn python the Hard way (disponible gratis en línea aquí). Este libro es asombroso.
- Aprenda estructuras de datos básicas usando Python:
Para esto, vaya a las estructuras Geekforgeeks-Data, abra cada estructura de datos y vaya a la pestaña Python . Vea cómo lo implementan, aprenda de ellos.
NO SOLO MIRES EL CÓDIGO, escribe el código y aprende de él.
Este proceso debería tomar alrededor de 5 a 7 días, si trabaja alrededor de 5 horas al día.
- Aprenda algunos paquetes geniales de Python:
Algunos de los paquetes populares de ML (básicos) utilizados en Python son los siguientes:
* Numpy
* Pandas.
* Matplotlib.
* Scikit.Aprende cada uno de ellos; Lea la documentación oficial de los paquetes. Vea las diversas implementaciones, busque los POR QUÉ y los POR QUÉ NO.
Debería tomar alrededor de una semana.
- Haz álgebra lineal básica, estadística y probabilidad con Python:
Use los paquetes anteriores y haga algunos cálculos básicos con ellos.
Sigue los siguientes enlaces:
* Álgebra lineal con numpy.
* Estadísticas y trazados con matplotlib.
* Python, Numpy y Probabilidad.
* 10 minutos en pandas.Encuentre más por su cuenta y aprenda, envíe una solicitud de edición a la lista y, si considero que el cambio es sustancial, lo aprobaré.
Este paso debe tomar alrededor de 3 a 5 días.
- Comience con Machine Learning (ahora esta es la parte aterradora: p):
Comenzamos a aprender ML ahora, para eso necesitamos los antecedentes teóricos requeridos , siga el CS156 de Caltech del profesor Yaser Abu-Mostafa. El enlace de YouTube a sus conferencias de aprendizaje automático está aquí: CS156 – Aprendizaje automático.
Una semana debe ser suficiente.
- Comience a implementar algoritmos de Machine Learning:
Sin dudas, el mejor lugar para aprender esto es scikit-learn.
Lea este blog para ampliar su horizonte: Aprendizaje automático con JSAT
Siga Kdnuggets y AnalyticsVidhya.
Haga pequeños problemas de Kaggle y use Google ampliamente.
Una semana será suficiente.
- Comience a ser más inteligente: lea mucho.
Comience con increíbles tecnologías y paquetes como:
* H2O.
* PyLearn.
* PyBrain.
* Paquetes de PyPI con “Machine Learning” en su descripción (una gran lista completa)Este es un ejercicio de por vida 🙂
Podría seguir y seguir y seguir con esta publicación. Pero tuve que parar. 🙂
Feliz aprendizaje.
Salud.
Vea mi respuesta para los recursos relacionados con la ciencia de datos: Pragyaditya Das ‘answer to ¿Cómo puedo convertirme en científico de datos?