En primer lugar, cuando cualquiera de los principiantes que está comenzando a hacer un proyecto de aprendizaje automático debe conocer alguna terminología básica del aprendizaje automático:
1.Modelo: un conjunto de patrones aprendidos de los datos
2. Algoritmos: un proceso específico de Machine Learning utilizado para entrenar un modelo.
- ¿Cuál es la posibilidad de que un humano gane el juego de entropía?
- ¿Dónde puedo aprender sobre los conceptos básicos de la inteligencia artificial?
- ¿Por qué es popular el aprendizaje profundo?
- ¿Qué significa la afluencia de IA y Machine Learning en productos tecnológicos para los diseñadores de UX?
- Por lo general, los RNN se usan para PNL, ¿cuándo tienen sentido los CNN en PNL?
3. Datos de entrenamiento: el conjunto de datos del cual el algoritmo aprende el modelo.
4. Datos de prueba: un nuevo conjunto de datos para evaluar de manera confiable el rendimiento del modelo.
5.Características: Variable (columnas) en el conjunto de datos utilizado para entrenar el modelo
6.Variable de objetivo: una variable específica que intenta predecir (en caso de supervisar el aprendizaje).
7.observaciones: puntos de datos (filas) en el conjunto de datos.
Después de conocer la terminología, avancemos hacia qué proyecto comenzar, como principiante lo que uno debe hacer es pasar una gran cantidad de tiempo en Kaggle (su hogar para la ciencia de datos). Pero se sentirá intimidado al ver tantos conjuntos de datos , muchas competiciones de carrera en vivo. Por lo tanto, para el principiante, concéntrate en estas dos competiciones
1. Precios de la vivienda: técnicas de regresión avanzadas
2.Titanic: Aprendizaje automático del desastre
que son conocidas como las competiciones de tipo “hola mundo” para principiantes de aprendizaje automático, consisten en conjuntos de datos, tutoriales interesantes que lo guiarán paso a paso para resolver un problema de aprendizaje automático
Después de pasar una cantidad considerable de tiempo en Kaggle, debe estar pensando ahora que debería intentar trabajar en proyectos de aprendizaje automático en mi propio escritorio o computadora portátil con pequeños conjuntos de datos que consisten en pocas observaciones para fortalecer mi comprensión en el campo del aprendizaje automático.
¿Cómo puedes hacerlo?
simple, descargue el conjunto de datos del repositorio de aprendizaje automático de UCI: conjuntos de datos
y después de eso siga este libro ‘Master Machine Learning With Python’ de Jason Brownlee .
lo cual lo guiará de arriba a abajo sobre cómo llevar a cabo un proyecto de aprendizaje automático comenzando desde la descarga del conjunto de datos, leyendo el conjunto de datos hasta encontrar la precisión de su modelo de aprendizaje automático.
feliz aprendizaje
