¿Desde dónde puedo aprender la implementación del aprendizaje automático en Python?

En esta publicación, puede aprender el proceso paso a paso para implementar un algoritmo de clasificación de aprendizaje automático en S & P500 usando Support Vector Classifier (SVC). Los SVC son modelos de clasificación de aprendizaje supervisado. Se proporciona un conjunto de datos de entrenamiento al algoritmo de clasificación de aprendizaje automático, cada uno de los cuales pertenece a una de las categorías. Por ejemplo, las categorías pueden ser comprar o vender una acción. El algoritmo de clasificación crea un modelo basado en los datos de entrenamiento y luego clasifica los datos de prueba en una de las categorías.

Leer más: Estrategia de clasificación de aprendizaje automático en Python

La brecha entre la teoría y la práctica puede ser difícil de cerrar.

Recientemente escribí un tutorial Creando su primer clasificador de aprendizaje automático con Sklearn.

Lo hice exactamente para abordar este problema, ya que no pude encontrar ningún tutorial en línea que redujera suficientemente la brecha entre la teoría y la práctica.

Me encontré atrapado en cosas pequeñas y estúpidas, como la mejor forma de representar matrices en código y cómo convertir categorías de inglés en categorías de computadora (representación numérica).

Además, no conocía muchas de las “mejores prácticas” y las funciones de la biblioteca que podrían ayudar a acelerar el desarrollo.

Traté de incluir todas estas pequeñas cosas (lo que, sin duda, hace que sea bastante largo y demasiado largo para publicar una respuesta de Quora).

Está diseñado para darle la confianza de explorar conjuntos de datos desconocidos y probar nuevos algoritmos. De esta manera, tiene un enfoque muy práctico.

Esto no quiere decir que no haya otros buenos tutoriales. De hecho, Internet está lleno de excelentes tutoriales; especialmente para principiantes, por ejemplo:

• Una introducción a la teoría del aprendizaje automático y sus aplicaciones: un tutorial visual con ejemplos es un buen artículo introductorio breve. Toca algunas cosas que no cubro, por lo que es una gran lectura complementaria.
• ¡El aprendizaje automático es divertido! Esta serie de artículos es absolutamente fantástica, y todos deberían leerla, pero le falta un poco cuando se trata de implementar realmente lo que está hablando.
• Su primer proyecto de aprendizaje automático en Python paso a paso Aunque no es tan profundo como el mío, es una gran alternativa, y tienen muchos otros artículos buenos que cubren casi todo.

Encontré cosas nuevas más fáciles de aprender cuando leo muchas perspectivas diferentes, así que si tienes tiempo, deberías leer todo lo anterior e intentar implementar lo que están hablando.

Si está atrapado en un problema, debería intentar buscar en Google “tutorial [problema]” y hacer una pregunta al respecto en Quora y Stackexchange. De esta manera, se garantiza que obtendrá muchas perspectivas diferentes y posibles soluciones.

Recomiendo comenzar a usar scikit-learn o Keras, en lugar de ir a otros tutoriales. Si comprende algunas de las lógicas, está listo para usarlas y comprenderlas mejor.

Scikit-learn es una biblioteca para el aprendizaje automático. Puede utilizar los principales métodos de aprendizaje automático con él.

Tutoriales de scikit-learn

Keras es una biblioteca para redes neuronales y aprendizaje profundo. Su uso es bastante simple y una gran biblioteca para iniciar la red neuronal.

Tutorial de Keras: la guía definitiva para principiantes para el aprendizaje profundo en Python

scikit-learn Es de código abierto, y tiene una excelente documentación y muchos ejemplos.

Kaggle tiene buenos tutoriales para principiantes: puede comenzar con la “competencia” de Titanic para obtener información básica y luego mirar la lista en Tutoriales | Kaggle

Puedes consultar el libro de aprendizaje de máquinas de Python

O más repositorio de git puedes ver el increíble aprendizaje automático

Recomendaría el canal de YouTube de Siraj Rajal. Publica videos de lo que parece estar buscando. ¡Miralo a el!

Además, comience a intentar crear su propio software lo antes posible y use Google siempre que necesite ayuda. Tan pronto como comience a escribir el código, aprenderá mucho más rápido.