Hay muchas preguntas importantes en Machine Learning. Me gustaría enumerar algunos para ti.
- ¿Es necesaria la rotación en PCA? ¿Si es así por qué? ¿Qué pasará si no gira los componentes?
- Te dan un conjunto de datos. El conjunto de datos tiene valores faltantes que se extienden a lo largo de 1 desviación estándar de la mediana. ¿Qué porcentaje de datos no se vería afectado? ¿Por qué?
- Explicar la probabilidad previa, la probabilidad y la probabilidad marginal en el contexto del algoritmo naiveBayes?
- Se le asigna un nuevo proyecto que implica ayudar a una empresa de entrega de alimentos a ahorrar más dinero. El problema es que el equipo de entrega de la empresa no puede entregar los alimentos a tiempo. Como resultado, sus clientes se vuelven infelices. Y, para mantenerlos felices, terminan entregando comida gratis. ¿Qué algoritmo de aprendizaje automático puede salvarlos?
- Llegó a saber que su modelo sufre un sesgo bajo y una gran varianza. ¿Qué algoritmo deberías usar para abordarlo? ¿Por qué?
- Te dan un conjunto de datos. El conjunto de datos contiene muchas variables, algunas de las cuales están altamente correlacionadas y usted lo sabe. Su gerente le ha pedido que ejecute PCA. ¿Eliminarías primero las variables correlacionadas? ¿Por qué?
- Mientras trabaja en un conjunto de datos, ¿cómo selecciona variables importantes? Explica tus métodos.
En la escuela GreyAtom , alineamos la educación con la realidad. GreyAtom se enfoca en crear ingenieros de ciencia de datos de Full Stack y le brinda todas las herramientas, técnicas y conceptos básicos necesarios para lograr un impacto. En solo 14 semanas, aplicará la resolución de problemas y el pensamiento creativo a conjuntos de datos del mundo real, ganando experiencia en toda la pila de ciencia de datos.
- Cómo hacer que una red neuronal funcione como PCA
- ¿Qué tan difícil sería implementar el aprendizaje por refuerzo para un juego de mesa?
- En los campos de redes neuronales o aprendizaje profundo, ¿qué es un "gráfico computacional"?
- Ciencias de la computación: ¿Cuáles son los pros y los contras de utilizar el modelado de procesos gaussianos para la regresión?
- ¿Por qué debería usar TensorFlow sobre NumPy o scikit-learn para construir redes neuronales (excepto para CPU o GPU)?
Tendrá un historial de contribuciones de código abierto y ayudará a la comunidad más amplia de ingeniería de software (a través de Github, StackOverflow, un blog o similar).
Puede consultar los detalles del curso haciendo clic en este enlace Full Stack Data Science Engineering | Greyatom
Los datos realmente impulsan todo lo que hacemos. Si eres un apasionado de la ciencia de datos y quieres redefinir tu carrera, visítanos en el programa in situ de GreyAtom: ciencia de datos, aprendizaje automático, Big Data
Creemos en “Datos reales – Industria real – Socios de reclutamiento reales – Real Office (Classroom)”
Descargo de responsabilidad: soy cofundador de @GreyAtom y ayudar a las personas a encontrar carreras sostenibles en Data Science es mi pasión.