Para aprender el aprendizaje automático, el curso de Aprendizaje automático de Andrew Ng sería bueno, como lo señaló el usuario de Quora.
Estos son algunos pasos generales necesarios para comenzar con los problemas de predicción (o la mayoría de los enfoques de aprendizaje automático):
1. Identifique las características que pueden ser útiles para predecir la variable de interés (nivel de contaminación del aire en este caso).
2. Realice la normalización adecuada (escalado de características). Por ejemplo, la estandarización puede ser apropiada para características como la velocidad del viento.
3. Divida sus puntos de datos en conjuntos de entrenamiento, validación y prueba (Conjunto de entrenamiento, Conjunto de prueba).
4. Luego aprenda un modelo usando el conjunto de entrenamiento y ajuste los parámetros del modelo usando el conjunto de validación. Para comenzar, puede probar una red neuronal artificial de retroalimentación simple para tareas de predicción si los datos no son una serie temporal. Si está disponible como una serie temporal, la red neuronal recurrente puede ser un buen punto de partida. Las implementaciones para el mismo se pueden encontrar en MultilayerPerceptron, RNNLIB respectivamente.
- ¿Cómo es el mercado laboral en Canadá para los estudiantes de MS en CS y Data Science?
- ¿Qué es la ingeniería de datos? ¿Qué hace un ingeniero de datos? ¿Cuáles son las responsabilidades comunes de un ingeniero de datos?
- ¿Cuál es preferible para mí, Hadoop o Data Science?
- Cómo convertir un marco de datos en transacciones para la minería de reglas de asociación
- ¿Qué tecnología está en auge ahora, aparte de Big Data y Hadoop?
