¿Cuál es el mejor tutorial de Python para el aprendizaje automático?

Hola,

Gracias por el A2A.

Depende del destinatario 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, por lo que obviamente cualquier tutorial que esté en YouTube les dará una ventaja.

Algunas personas aprenden mejor leyendo teoría, otras aprenden mejor siguiendo un tutorial.

Muchos de los Tutoriales en forma de libro o tutorial ya están escritos en las otras respuestas, que son excelentes.

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. Pero es estresante.

Por otro lado, puedo relajarme mientras aprendo a escuchar un tutorial de youtube y lo veo. (Como mirar una serie como Dexter o Game of Thrones, puedes sumergirte por completo sin que parezca estresante).

Es por eso que me encantan los tutoriales de programación de Python, que tiene muchos tutoriales sobre diferentes temas, como el aprendizaje automático y el procesamiento del lenguaje natural.

¿Probablemente sabes cómo puedes pasar un día completamente inmerso en una serie? Y luego pensando: “Whoa, ¿cuánto tiempo pasó?”

Eso es lo que pasa conmigo cuando veo los Tutoriales de sentdex (Harrison Kinsley aquí en Quora). Puedo relajarme y verlos como si fuera una serie de televisión, y luego continuar a programarlos, porque como en una serie recuerdas los puntos generales. Y siempre puedes ver las partes relevantes nuevamente.

Tutoriales de programación de Python (SVM con Python)

Tutoriales de programación de Python (procesamiento de lenguaje natural con mucho aprendizaje automático)

Avísame si puedo ayudarte.

Saludos

Hay mucho material bueno que la gente ya ha sugerido, pero agregaré uno más.

Recomiendo Python Machine Learning de Sebastian Raschka, especialmente si ya conoces Python. Este fue el texto principal que solía introducir en el aprendizaje automático.

Sebastian es bastante activo en Quora. Lea solo algunas de sus respuestas a las preguntas de aprendizaje automático y ciencia de datos y verá cuán claro y útil es su escritura.

Algunas ventajas del libro:

• Para principiantes, es la combinación perfecta de lo técnico y lo práctico. Da explicaciones matemáticas muy completas de los diferentes algoritmos de aprendizaje automático y métodos de optimización para que el lector pueda comprender realmente cómo funcionan. Sin embargo, la explicación rigurosa siempre es seguida por una forma práctica y clara de implementar el algoritmo usted mismo en Python. Esto le da al lector la capacidad de decidir cuánta comprensión técnica desean antes de simplemente usar una implementación precodificada.
• Para casi todas las implementaciones, se apega a scikit-learn, que es una biblioteca Python muy popular y útil para el aprendizaje automático.
• Él le muestra cómo codificar desde cero los algoritmos Perceptron y Adaline. Me pareció una introducción MUY útil a los algoritmos de aprendizaje automático y también me convirtió en un mejor programador de Python.
• Él tiene (y le muestra cómo codificar) visualizaciones muy útiles del rendimiento de sus modelos y los límites de decisión.
• Hay una cantidad decente de material en este libro dedicado a preprocesar su conjunto de datos. Esta es una habilidad extremadamente importante que muchos principiantes no saben sobre cosas como la codificación y la estandarización.
• Hay mucho material sobre validación cruzada y parámetros de ajuste, que es una parte vital del proceso.
• En este momento, cuesta $ 40 por una copia impresa, que es bastante difícil de superar.

En general, es una introducción exhaustiva a todo el proceso de aprendizaje automático. Si el lector revisa todo el libro, comprenderá muy bien casi todos los tipos de problemas de aprendizaje automático, cómo preprocesar sus datos para tipos específicos de algoritmos y cómo probar y optimizar adecuadamente el rendimiento de su modelo.

El aprendizaje automático es el viaje más interesante donde puedes aprender muchas cosas nuevas. Hay muchas cosas interesantes en todas partes.

Pero algunos pueden ser engañosos.

Probar esto:

https://hackr.io/tutorials/learn …

1. Aprenda solo siguiendo a algunos profesionales o aquellos que han seguido el mismo camino consultando los mejores tutoriales en línea.
2. Hay muchos buenos sitios web disponibles khanacademy, edx, conferencias MIT, etc.
3. y también puedes buscar en youtube respuestas satisfactorias.
4. En medio de esta gran fuente de información, trate de no confundirse y perder horas navegando por ellos.

• https://hackr.io/tutorials/learn …

Hay muchos cursos en línea en línea de Python, puedes aprender de ellos, te sugeriré

Los mejores cursos en línea de Python para Machine Learning

1. Completa Python Bootcamp: pasa de cero a héroe en Python
2. Completa clase magistral de Python
3. La Biblia de Python ™ | Todo lo que necesitas programar en Python [MEJOR]

Es mejor tomar el tercero

¡Este curso le enseñará Python de una manera práctica, con cada conferencia viene un screencast de codificación completo y un cuaderno de códigos correspondiente! ¡Aprende de la manera que sea mejor para ti!

Variables : ¡aprenda a almacenar convenientemente datos en sus programas!
Números : ¡aprenda cómo funcionan los números detrás de escena en sus programas!
Cadenas – ¡Domina el texto de Python y automatiza los mensajes usando cadenas!
Lógica y estructuras de datos : ¡ enseñe a su programa a pensar y decidir!
Bucles : ahorre tiempo y esfuerzo , haciendo que las computadoras hagan el trabajo duro por usted.
Funciones : automatice las tareas creando sus propias funciones de Python que puede usar una y otra vez.
OOP : agregue Python a su currículum al dominar la programación orientada a objetos, ¡ el estándar de programación de la industria!

Entonces, si desea ingresar a Data Science , Machine Learning. La Biblia de Python le brinda todo lo que necesita para comenzar con su aprendizaje automático …!

Todo lo mejor.

Mis recomendaciones son:

• Python para análisis de datos – libro
• Aprendizaje automático en acción – libro
• El Open Source Data Science Masters – tutorial
• Introducción al curso en línea de ciencia de datos – mooc
• Analista de datos Nanodegree Program – mooc
• scikit-learn: aprendizaje automático en Python – documentación del paquete
• ¡Bienvenido a la documentación de PyBrain! – documentación del paquete

Creo que hay muchos buenos tutoriales de Python para el aprendizaje automático. Comenzaría revisando los siguientes recursos:

• Aprendizaje automático de Python: tutorial de Scikit-Learn
• aprendizaje automático – Página 1 – Escuela de datos
• Fundamentos de los algoritmos de aprendizaje automático (con Python y códigos R)

No olvides obtener tu hoja de trucos de Scikit-Learn: Python Machine Learning; Esto puede ayudarlo enormemente a medida que revisa el material.

Si también está considerando opciones que no son gratuitas, como libros, recomendaría rasbt / python-machine-learning-book y Python Machine Learning: Sebastian Raschka: 9781783555130: Amazon.com: Books.

O si también está interesado en cursos, consulte Aprendizaje supervisado con scikit-learn, que es un curso impartido por Andreas Müller, uno de los principales desarrolladores de la biblioteca scikit-learn, o Aprendizaje no supervisado en Python, que es impartido por Benjamin Wilson, especialista en aprendizaje automático y director de investigación de Lateral.io.

PD. Asegúrese de repasar o fortalecer su conocimiento de aprendizaje automático antes de comenzar los tutoriales que mencioné anteriormente tomando el aprendizaje automático gratuito – Universidad de Stanford | Coursera curso.

Mindmajix proporciona el mejor tutorial de Python.

Tutorial de pitón

Este tutorial específico le brinda una visión general y habla sobre los fundamentos de Python.

QUE ES PYTHON

• Primero, aprendamos brevemente sobre Python. Para educarlo y alentarlo a que continúe con el entrenamiento de Python con nosotros, hemos compuesto algunos datos que podrían interesarle. Python es un lenguaje de programación de alto nivel, interpretado, interactivo, orientado a objetos y de alto nivel que es muy fácil de aprender.
• El programa Python Course ha sido diseñado para programadores de software que necesitan comprender el lenguaje de programación Python desde cero. La capacitación en línea de Python le brindará una comprensión suficiente del lenguaje de programación de Python desde donde puede llevarse a un nivel superior de experiencia.
• El curso de Python tiene relativamente pocas palabras clave, estructura simple y una sintaxis claramente definida. Esto le permite al estudiante aprender el idioma en un período de tiempo relativamente corto. Una de las mayores fortalezas de Python es la mayor parte de la biblioteca, que es muy portátil y compatible con plataformas cruzadas en UNIX, Windows y Macintosh.
• Invocar al intérprete con un parámetro de script comienza con la ejecución del script y continúa hasta que finaliza el script. Cuando finaliza el guión, el intérprete ya no está activo. Lo experimentarás mientras escribes un script de Python durante tu curso de Python.

Para más información, haga clic en el enlace de abajo.

http://mindmajix.com/python-tuto …

Algunas ventajas del libro:

1. Para principiantes, es la combinación perfecta de lo técnico y lo práctico. Da explicaciones matemáticas muy completas de los diferentes algoritmos de aprendizaje automático y métodos de optimización para que el lector pueda comprender realmente cómo funcionan. Sin embargo, la explicación rigurosa siempre es seguida por una forma práctica y clara de implementar el algoritmo usted mismo en Python. Esto le da al lector la capacidad de decidir cuánta comprensión técnica desean antes de simplemente usar una implementación precodificada.
2. Para casi todas las implementaciones, se apega a scikit-learn, que es una biblioteca Python muy popular y útil para el aprendizaje automático.
3. Él le muestra cómo codificar desde cero los algoritmos Perceptron y Adaline. Me pareció una introducción MUY útil a los algoritmos de aprendizaje automático y también me convirtió en un mejor programador de Python.
4. Él tiene (y le muestra cómo codificar) visualizaciones muy útiles del rendimiento de sus modelos y los límites de decisión.
5. Hay una cantidad decente de material en este libro dedicado a preprocesar su conjunto de datos. Esta es una habilidad extremadamente importante que muchos principiantes no saben sobre cosas como la codificación y la estandarización.
6. Hay mucho material sobre validación cruzada y parámetros de ajuste, que es una parte vital del proceso.
7. En este momento, cuesta $ 40 por una copia impresa, que es bastante difícil de superar.

He probado muchos tutoriales sobre aprendizaje automático en Python que abarcan libros, artículos, videos de YouTube y cursos en línea. Solo un poco sobre mis antecedentes: soy un vendedor convertido en analista de datos y gerente de producto + BI. No pasé las matemáticas en la universidad en Dinamarca y ahora estoy trabajando con el aprendizaje automático en Python en la industria de los juegos.

En mi experiencia, el mejor recurso / tutorial, que es el enfoque más práctico y requiere un mínimo de conocimientos matemáticos, es el curso de introducción a aprendizaje automático de Udacity (gratuito) que se encuentra aquí Aprender aprendizaje automático: introducción a aprendizaje automático | Udacity

El curso de ninguna manera es perfecto, especialmente las lecciones sobre Clustering y PCA que se llevan a cabo rápidamente y luego, en el proyecto final, se le pide que realice un par de tareas que no se han desarrollado durante el curso (canalización, implementación de SelectKMeans , ingeniería de características de otras características existentes). Sin embargo, es el menor de los otros males y a menudo me encuentro volviendo a sus secciones sobre el escalado de características y la selección de características porque están muy bien explicadas. Parte de su encanto es que la mitad del tiempo es Sebastian Thrun, fundador de Google X, quien explica los conceptos.

Programando Inteligencia Colectiva
No es un tutorial, pero es fácil de entender, tiene código python y buenos ejercicios. Una vez que lo lea, es posible que desee leer algo más “completo” como Inteligencia artificial: un enfoque moderno y paradigmas de programación de inteligencia artificial

EDITAR:
A lo largo del kit de herramientas scikit-learn ya sugerido, también puede echar un vistazo a Data Mining Fruitful & Fun, también conocido como naranja.

Para más detalles, por favor contáctanos

ph: + 91–8123930940

visión general:

El objetivo de este curso es brindarle una comprensión integral del aprendizaje automático, cubriendo la teoría, la aplicación y el funcionamiento interno de algoritmos de aprendizaje supervisados, no supervisados ​​y profundos.

En esta serie, cubriremos regresión lineal, K vecinos más cercanos, máquinas de vectores de soporte (SVM), agrupación plana, agrupación jerárquica y redes neuronales.

Para cada algoritmo principal que cubrimos, discutiremos las intuiciones de alto nivel de los algoritmos y cómo están diseñados lógicamente para funcionar. A continuación, aplicaremos los algoritmos en código utilizando conjuntos de datos del mundo real junto con un módulo, como Scikit-Learn. Finalmente, nos sumergiremos en el funcionamiento interno de cada uno de los algoritmos recreándolos en código, desde cero, nosotros mismos, incluidas todas las matemáticas involucradas.

Descripción del curso:

Sugiero que tenga al menos una comprensión básica de Python. Si no lo hace, le sugiero que siga al menos el tutorial básico de Python 3 hasta la instalación del módulo con el tutorial pip. Si tiene un conocimiento básico de Python y la disposición para aprender / hacer preguntas, podrá seguirlo aquí sin problemas. La mayoría de los algoritmos de aprendizaje automático son en realidad bastante simples, ya que deben ser para escalar a grandes conjuntos de datos. Las matemáticas involucradas son típicamente álgebra lineal, pero haré todo lo posible para explicar todas las matemáticas. Si está confundido / perdido / curioso acerca de algo, pregunte en la sección de comentarios en YouTube, la comunidad aquí o envíeme un correo electrónico. También necesitará Scikit-Learn y Pandas instalados, junto con otros que tomaremos en el camino.

Para estudiar la implementación de algoritmos ML en Python, sugiero los siguientes libros

1. Machine Learning en acción
2. Programación de Inteligencia Colectiva: Creación de aplicaciones Smart Web 2.0
3. Aprendizaje automático: una perspectiva algorítmica, segunda edición

Agregue a las otras respuestas el campo de procesamiento del lenguaje natural.

Consulte este tutorial Tutorial de NLP con Python NLTK (ejemplos simples) – Like Geeks

Además, TensorFlow y trabajar con tensores como paso inicial. Definir y usar tensores utilizando ejemplos simples de TensorFlow

Saludos,

Hola,

La guía para desarrolladores de programación de Python 3 GRATIS

Aplique el código de cupón “VNFREE” para obtener este increíble curso totalmente GRATIS … !! Enlístate ahora..!!

Aprenda los conceptos básicos de este lenguaje de programación simple pero potente en este tutorial de programación de Python 3.

Tutorial de Python 3 desde cero | Python 3 para principiantes

Espero que pueda ayudarte 🙂

Saludos,

Sam

Soy un gran admirador de Machine Learning Mastery y siempre me refiero a su contenido en caso de dudas, o si simplemente quiero aprender un nuevo concepto. Está escrito de manera que cualquiera pueda entender los conceptos.

No requiere que seas un profesional en ML, y el objetivo de este sitio web es ayudar a los principiantes a tener más confianza en sus habilidades de programación sin tener que depender mucho de la teoría primero.

No digo que este sitio web sea el “todo y el final” siempre que tenga un problema, pero para mí, siempre ha demostrado ser un buen punto de partida para aprender nuevos conceptos en Machine Learning.

Mejor.

Guía de aprendizaje sobre Python para Machine Learning, haga clic aquí para leer más: ¿Quiere aprender Python para Machine Learning?

1. ¿Por qué Python para Machine Learning?
2. ¿Cómo es que Python llegó en la carrera de Machine Learning?
3. Python presta más asistencia
4. Introducción al aprendizaje automático con Python: instrucciones de configuración
5. Guía fácil para aprender algoritmos de Machine Learning
6. Lista de cursos en línea recomendados para aprender Python para Machine Learning

Cambie el curso de #learning con #technology que define el futuro

Puedes leer “Python Machine Learning de Sebastian Raschka”. Si desea comenzar desde cero o desea ampliar su conocimiento de la ciencia de datos, entonces este es un recurso esencial y valioso. Tiene muchos ejemplos de código útiles. También recibirá un tutorial en su sitio web personal.

Si desea consultar más libros, puede consultar aquí algunos libros de aprendizaje automático de Python.

Saludos cordiales a todos los alumnos y espectadores.

Aquí me gustaría sugerir algunos de los buenos recursos para el mejor tutorial de Python para aprendizaje automático o entrelazado artificial.

Entonces, si desea leer el libro, puede preferir estos libros:

• Programación de la inteligencia colectiva por Toby Segaran, Reconocimiento de patrones y aprendizaje automático y otros Inteligencia artificial 3e: Un enfoque moderno Libro en blanco por Russell y otros libros.
• Los mejores recursos para tutoriales en video en línea: Coursera, Kachhua.com, cursos en línea de Udemy: aprenda cualquier cosa, según su horario, calle de tiza, etc.

Gracias. Seguir aprendiendo.

Ejemplos: documentación de scikit-learn 0.14