¿Cuál es la mejor manera de aprender Python si mi objetivo es usarlo específicamente para el aprendizaje automático?

Una guía paso a paso si desea comenzar a aprender Python para el aprendizaje automático.

(Si eres un principiante en el aprendizaje automático, te recomiendo que descargues nuestra aplicación – Data Science 101 – Tutoriales de aprendizaje automático – Aplicaciones de Android en Google Play )

• Abra Online REPL, Compiler & IDE y elija python3, ahora comience a mover sus dedos.
• Mire este video cuidadosamente, le dará toda la comprensión básica de Python.

• Una vez que haya dominado las variables, cadenas, listas, diccionarios y matrices 2D, puede comenzar a aprender estas bibliotecas científicas:

1. Numpy: realiza diferentes operaciones de matriz y juega con la matriz.
2. Pandas: con esta biblioteca puede crear marcos de datos, aprender a indexar, manejar datos faltantes en el conjunto de datos y leer diferentes tipos de formatos de archivo.
3. Matplotlib: lo ayuda a trazar sus datos en diferentes estilos como línea, barra, dispersión, pastel, etc.

Esta cantidad de python es suficiente para comenzar con algoritmos de aprendizaje automático.

Para los algoritmos, puede descargar nuestra aplicación que le brinda un gran comienzo en el aprendizaje automático – Data Science 101 – Tutoriales de aprendizaje automático – Aplicaciones de Android en Google Play

¡Buena suerte!

-el conocimiento básico de las estructuras de datos será esencial

-scikit-learn será tu mejor opción si planeas usar Python para el aprendizaje automático

-Machine Learning Mastery es otra plataforma que puedes usar

-para obtener más información, puede buscar en línea tutoriales en línea o inscribirse en ciencia de datos con cursos de Python en Aprenda ciencia de datos con Python y R. Comience de forma gratuita. , Learn R, Python y Data Science en línea | DataCamp, por supuesto también. Personalmente me gusta dataquest y datacamp.

Parafrasearé tu pregunta.

¿Cuál es la mejor manera de aprender a usar un martillo si mi objetivo es usarlo específicamente para hacer una mesa ?

Python es una herramienta (como un martillo) o, como la mayoría de nosotros sabemos, un lenguaje de programación. El objetivo de Machine Learning es crear un producto (como una tabla) basado en Machine Learning. Así que no te confundas entre dos cosas. Puedes aprenderlos de forma independiente.

Diría que vaya a Python.org y lea su documentación, escriba código, cometa errores y aprenda de ellos.

Además, obtendrá muchos recursos para aprender conceptos y algoritmos de aprendizaje automático en Internet.

Disfruta 🙂

Primero, debe ser exhaustivo con los conceptos básicos: sintaxis, tipos de datos, bucles, etc. Le sugiero que revise la documentación (3.6.1 Documentación). Una vez que haya terminado con lo básico, aprenda numpy y pandas.

Sugiero que estudies un poco de matemática antes de sumergirte en los algoritmos de ML, esto ayudará a comprender mejor los algoritmos. Echa un vistazo a Pattern Recognition and Machine Learning (Information Science and Statistics): Christopher M. Bishop: 9780387310732: Amazon.com: Books. Es un recurso realmente bueno.

Echa un vistazo al curso de Andrew Ng (Machine Learning | Coursera). Este es el mejor lugar para comenzar con algoritmos de ML.

Ahora intenta resolver Titanic: Machine Learning from Disaster usando python. Este es uno de los mejores problemas para intentar cuando comienzas a aprender ML. Hay varios tutoriales en Python para el mismo, intente resolverlo por su cuenta, luego siga estos tutoriales.

Buena suerte !

La mayoría de los conceptos en Python principales son relevantes para ML: procesamiento de listas, otras estructuras de datos [diccionarios, conjuntos, etc.], funciones de orden superior, clases, etc. Así que aprenda Python como lo habría aprendido como un lenguaje de programación independiente de ML .

Luego, puede consultar los tutoriales específicos de ML para Python:

• Ejemplos de aprendizaje de Scikit
• TensorFlow-Ejemplos

Ciertamente, hay muchas formas, lo que me parece parte del problema: ¿de qué manera inviertes tu tiempo?

Intenté con libros, pero están demasiado secos, además las bibliotecas pueden haber avanzado y el código ya no funciona como debería. Esto puede ser frustrante. Quizás el único libro que encontré que valió la pena es “Programación de la inteligencia colectiva” (O’Reilly). Puedo ver que recibe más de 1 mención aquí. No comiences con él, porque supone un conocimiento de Python, pero tenlo en cuenta para el futuro.

Probé cursos relacionados con Kaggle a través de Datacamp, pero saltan demasiado lejos en ML sin que te presenten adecuadamente a Python.

Entonces, esto es lo que haría:

1. Comience con este curso: Aprenda a programar: los fundamentos . Es un curso único. Da una gran introducción a Python como ningún otro material lo hace. Las tareas y cuestionarios son desafiantes. Aprendes a escribir correctamente las funciones, algo que ningún otro curso te enseña. Aprende a visualizar cómo funciona el código, que también es muy raro. Revísalo lo más rápido que puedas. Es bueno, y en realidad no es aburrido.
2. Use el conocimiento que adquirió para aplicar en este curso en ML de Stanford . Se presenta de manera brillante y se sumerge igualmente en las matemáticas detrás de ML así como en los enfoques prácticos para usarlo. En lugar de usar Octave / MATLAB, desafíate a ti mismo a usar Python. Tendrá que aprender más sobre Numpy para la multiplicación de matrices, que Octave ha incorporado. Suponiendo que ya eres competente en Python en ese momento, encontrarás que mirar archivos de ayuda y cadenas de documentos para las funciones de Numpy es mucho más fácil. Si logra implementar los algoritmos clásicos en Python, mejorará en ambas habilidades y hará algo que no mucha gente hace antes de crear productos de aprendizaje automático.
3. Estoy en esta etapa, donde ahora necesito aplicar esto. No tengo que usar las habilidades en el trabajo, pero elijo hacerlo. También tengo proyectos personales donde estas habilidades se pueden aplicar. Puede seguir esta ruta, o probar cualquier tutorial a través de cualquiera de los blogs de Data Science, etc. Elite Data Science es un buen lugar para comenzar. Si ve un tutorial, recorra cada línea de su código y escriba comentarios para usted mismo: cuál es el código que regresa (qué tipo, qué puede hacer con él), cómo entiende lo que hace el código, qué podría cambiar en este código para que funcione de manera diferente, etc.

¡Buena suerte!

Antes de comenzar, asegúrese de tener Python instalado con el paquete sklearn. Hay muchas formas de hacerlo. Escribiré los más simples.

1. Si está utilizando Linux (Ubuntu)

a) Instale python simplemente escribiendo lo siguiente en la terminal:

sudo apt-get install python

b) Ahora instale el paquete sklearn (scikit-learn) escribiendo lo siguiente en la terminal.

sudo apt-get install python-sklearn

Ahora ingrese – python en la terminal y estará listo para seguir el tutorial.

2. Si estás usando Windows

a) Instale el marco anaconda para python. Descárguelo desde aquí y ejecute el archivo instalador.

Y tendrás Python con Sklearn ya instalado.

b) En el cuadro de búsqueda de Windows, escriba – anaconda prompt y ejecútelo. Dentro del indicador simplemente escriba – python y presione enter. Puedes seguir el tutorial desde este punto.

Reconocimiento de dígitos simple en Python-sklearn

Este tutorial trata sobre entrenar una máquina para reconocer dígitos matemáticos (0 – 9) de las imágenes. Como hay 10 clases predefinidas (0 – 9), es un problema de clasificación. El conjunto de datos ya está preparado.

El tutorial tiene tres puntos clave:

1. Visualización de datos como vectores de características en matrices numpy.

2. Aprendizaje utilizando datos de entrenamiento y predicción sobre cualquier dato.

3. Guardar el modelo en un archivo y cargarlo para su uso posterior.

También tiene material adicional sobre la búsqueda de cuadrícula, validación cruzada, ajustes de los parámetros de aprendizaje, lo cual es bueno si quieres profundizar, pero no es muy necesario en este momento.

El algoritmo clasificador utilizado aquí es un SVM, pero también puede buscar otros clasificadores.

También aquí hay una comparación entre los diversos algoritmos clasificadores para los mismos datos. Simplemente copie y pegue el código y ejecútelo de inmediato.

Aquí se resuelve el mismo problema usando el algoritmo K-NN en R.

Para comenzar en R, instale R y RStudio. Abra RStudio y comience a seguir el tutorial.

En mi opinión, debería comenzar a aprender sobre la teoría del aprendizaje automático, a partir de este curso, por ejemplo:

https://www.coursera.org/learn/m …

Si desea ir más rápido, puede leer muchos artículos en línea, sobre aprendizaje supervisado, aprendizaje no supervisado, Regresión, Redes neuronales, Máquina de vectores de soporte, Agrupación y Recomendación. Hay muchos conceptos … ¡no te preocupes!

Entonces puedes continuar con los principios de python. He encontrado estos cursos:

http://www.ictp-saifr.org/wp-con… (Teoría)

Jupyter Notebook Viewer (Tarea)

Jupyter Notebook Viewer (Solución)

Aquí aprenderá sobre las bibliotecas principales en python (numpy, scipy y matplotlib) y cómo funciona.

Ahora, es cuando te recomiendo que comiences a aprender sobre el uso del aprendizaje automático en Python con estos enlaces:

Tutoriales de programación de Python

Análisis de sentimientos con Python y scikit-learn

Le recomiendo que use scikit-learn cómo su primera biblioteca de Python en el campo de aprendizaje automático, es un poderoso conjunto de herramientas para crear y validar muchos tipos de modelos, y también puede encontrar muchos tutoriales en Google fácilmente.

Python es uno de los 5 lenguajes de programación más importantes del mundo. Ha mantenido esa posición constantemente desde los últimos 3 años que la estoy observando.

Si desea aprender Python solo con el propósito de Machine Learning, entonces no necesita aprenderlo todo.

Te recomiendo que aprendas:

1. Palabras clave, operadores
2. Tipos de datos: int, flotante, cadenas, tuplas, diccionarios, lista
3. Si entonces, para bucle, mientras bucle
4. Manejo de archivos
5. Bibliotecas de Python: Numpy, Pandas, Matplotlip y Scikit-learn

Gran parte de su esfuerzo se destinará a actividades de recolección y limpieza de datos. La biblioteca Pandas funciona muy bien en este aspecto, dando a Python una ventaja sobre otros lenguajes.

Si desea comprender esto con más detalle e invertir tiempo en la creación de un enfoque estructurado, debería ver mi seminario web sobre Aprendizaje automático con Python:

Seminario web de aprendizaje automático con Python

Mira este video tutorial (Tutorial: scikit-learn – Machine Learning en Python) del Taller PyData. El autor presenta conceptos generales de aprendizaje automático, además de guiarlo a través de algunos ejercicios que demuestran cómo puede usar la tecnología de aprendizaje automático.

La programación de inteligencia colectiva es un excelente libro que muestra varios algoritmos que utilizan estructuras de datos centrales de Python. Dirigido a Programadores, por lo tanto, el tratamiento de algoritmos es muy superficial. Hace un buen trabajo al introducir la aplicación de aprendizaje automático.

Mi favorito personal es Machine Learning: una perspectiva algorítmica: un libro excelente que aprovecha numpy y explica varios algoritmos de aprendizaje automático en Python.

Yo personalmente escribí un libro de Python Data Science Cookbook
Gopi Subramanian: 9781784396404: Amazon.com: Libros

El primer capítulo está dedicado a Python Datastrucures y cómo se pueden aprovechar para la programación de Machine Learning. El segundo capítulo presenta, numpy (biblioteca numérica), scikit learn (biblioteca ML) y Matplotlib (biblioteca de trazado de gráficos). Los libros cubren un amplio espectro de algoritmos de aprendizaje automático.

“Programming Collective Intelligence” es un excelente libro sobre los conceptos básicos del aprendizaje automático donde todas las piezas se construyen en Python simple. Junto con una referencia más estándar como Dive Into Python, debería ser una excelente manera de aprender para su propósito.

1. Aquí hay una lista que creé. https://www.linkedin.com/pulse/a …
2. Comience con los simples.
3. Escriba su propio algoritmo en Python puro para pequeños conjuntos de datos después de comprender las matemáticas.
4. Luego comience a usar scikit learn / Tensorflow / Keras / Pymc con el mismo propósito
5. Habrías entendido tanto el aprendizaje automático como Python

Bueno, no soy un programador de Python, pero he estado mirando algunos títulos de libros usando mi suscripción a O’Reilly Safari, y parece que hay pocos títulos que golpean esto específicamente: ******** ******************** Python Machine Learning de Sebastian Raschka Editor: Packt Publishing Publicado: septiembre de 2015 ***************** *********** Python: Aprendizaje automático en el mundo real por Alberto Boschetti, Luca Massaron, Bastiaan Sjardin, John Hearty, Prateek Joshi Editor: Packt Publishing Publicado: noviembre de 2016 *********** ***************** Introducción al aprendizaje automático con Pythonby Sarah Guido, Andreas C. Müller Editor: O’Reilly Media, Inc. Publicado: octubre de 2016 ******* ********************** Empecé a jugar con este hace un tiempo, pero he sido asaltado. Espero volver a ello *************************************** Aprendizaje scikit-learning: Máquina Aprendiendo en Pythonby Guillermo Moncecchi, Raúl Garreta Editor: Packt Publishing Publicado: noviembre de 2013 ****************************** Me parece que cualquiera de estos sería de gran ayuda

He comenzado a escribir una serie sobre el aprendizaje y el dominio de la programación de Python.

Compruébalo aquí:

Una guía definitiva para aprender y dominar Python

Parte 1 – Python de aprendizaje – Nivel principiante-principiante

Learning Python – Nivel principiante principiante
Puede comenzar a seguir la guía dada en esta serie paso a paso, para aprender y dominar Python.

He enumerado algunos libros en el enlace de arriba. Puedes verlos. También he enumerado algunos sitios web, libros en línea que puede consultar.

Este es el seguimiento de la parte 1 de las cinco partes de la serie Learn and Master Python. Echale un vistazo.

Python progresivo – Nivel intermedio

¡¡¡¡Hola chicos!!!!

Mira el último video de ANALYTICS MANTRA
Haga clic en el enlace de abajo.

Si te gusta el video, no olvides suscribirte.

Para comenzar, comience con Google Videos

http://code.google.com/edu/langu …

De lo que puedes pasar

http://learnpythonthehardway.org/ (el libro HTML es gratuito).

Una vez que haya terminado estos, puede comenzar con “Programación de Inteligencia Colectiva”

Hola amigo … Buena pregunta …

Depende de la gente del estudio cuál es el mejor tutorial de Python para el aprendizaje automático.

Algunas personas aprenden visualmente, por lo que un libro está bien con ellos. Algunas personas aprenden mejor cuando escuchan algo,

Algunas personas aprenden mejor al leer la teoría, algunas personas aprenden mejor al pasar por un video tutorial en su tubo.

Para mí, soy un poco especial con mi aprendizaje. Puedo obligarme a aprender, y luego un libro está bien, y luego recordaré bastante, porque está en mi memoria activa. No es fácil.

Por otro lado, puedo relajarme mientras aprendo mi audición de un tutorial de youtube y lo veo o eliges el mejor centro para aprender Python.

Nosotros Besant Technologies es la mejor institución para aprender Python en Chennai. Contamos con personal experimentado para entrenar al estudiante. Somos la institución de formación no: 1 en Chennai.

Nuestros entrenadores tienen más de 10 años de experiencia en el mismo campo. Proporcionamos el 70% de las clases de orientación parcial para el alumno. Brindamos capacitación a nivel corporativo para el alumno.

nos comparamos con otras instituciones somos los mejores en ese campo. Después de terminar la capacitación, organizamos la colocación de las principales empresas de MNC.

Tiene alguna duda. Consulte este sitio web:

Entrenamiento de Python en Chennai

Entrenamiento de Python en Chennai

Gracias … Mucha suerte …

Los científicos de datos son algunos de los técnicos de cuello blanco mejor pagados, con un salario promedio de $ 120,000 según los informes de Glassdoor y Indeed. ¡Además del dinero, el trabajo también es convincente! Para sobresalir en el aprendizaje automático, el reconocimiento de patrones estadísticos y Big Data, el conocimiento básico sobre cómo investigar los datos es imprescindible. Python, una de las herramientas de datos más innovadoras jamás descubiertas ayuda a mantener a los participantes listos para la industria, cuando se integran correctamente con Machine Learning. La razón más llamativa de la popularidad de Python es su naturaleza dinámica, que aumenta los RDD para acomodar objetos de múltiples tipos.

Para saber más sobre el aprendizaje automático y la implementación de Python, intente esto http://www.dexlabanalytics.com/o… .