แอปพลิเคชันการเรียนรู้ด้วยเครื่องมีอะไรบ้าง [ปิด]

โดยทั่วไปการเรียนรู้ด้วยเครื่องจักรโดยทั่วไปฉันต้องการเริ่มเล่นและดูว่ามีความเป็นไปได้อย่างไร

ฉันอยากรู้ว่าแอปพลิเคชันใดที่คุณอาจแนะนำว่าจะให้เวลาเร็วที่สุดจากการติดตั้งไปจนถึงการสร้างผลลัพธ์ที่มีความหมาย

นอกจากนี้คำแนะนำใด ๆ สำหรับวัสดุเริ่มต้นที่ดีในเรื่องของการเรียนรู้ด้วยเครื่องโดยทั่วไปจะได้รับการชื่นชม

ฉันขอแนะนำให้เริ่มต้นด้วย MOOC บางอย่างเกี่ยวกับการเรียนรู้ของเครื่อง ยกตัวอย่างเช่นแอนดรูอึ้งของหลักสูตรที่ Coursera

คุณควรดูที่แอปพลิเคชันออเรนจ์ มีอินเทอร์เฟซแบบกราฟิกและอาจเข้าใจได้ง่ายขึ้นเกี่ยวกับเทคนิคการใช้ ML

พูดตามตรงฉันคิดว่าการทำโครงการบางอย่างจะสอนคุณมากกว่าทำหลักสูตรเต็ม เหตุผลหนึ่งคือการทำโครงการมีแรงจูงใจและปลายเปิดมากกว่าการมอบหมาย

หลักสูตรถ้าคุณมีเวลาและแรงจูงใจ (แรงจูงใจที่แท้จริง) จะดีกว่าการทำโครงการ นักวิจารณ์คนอื่นได้ให้คำแนะนำแพลตฟอร์มที่ดีเกี่ยวกับเทคโนโลยี

ฉันคิดว่าจากมุมมองของโครงการที่สนุกคุณควรถามคำถามและรับคอมพิวเตอร์เพื่อเรียนรู้ที่จะตอบคำถาม

คำถามคลาสสิกที่ดีที่มีตัวอย่างที่ดีคือ:

• โครงข่ายประสาทเทียมสำหรับการจดจำตัวเลขที่เขียนด้วยมือ
• การจำแนกอีเมลขยะโดยใช้การถดถอยโลจิสติก
• การจำแนกประเภทของวัตถุโดยใช้แบบจำลองส่วนผสมของเสียน
• การใช้การถดถอยเชิงเส้นบางคนอาจคาดการณ์ราคาขายของชำเนื่องจากย่านที่อยู่อาศัย

โปรเจ็กต์เหล่านี้มีการทำคณิตศาสตร์โค้ดเสร็จและสามารถพบได้ใน Google อย่างง่ายดาย

วิชาอื่น ๆ ที่ยอดเยี่ยมสามารถทำได้โดยคุณ!

สุดท้ายฉันวิจัยหุ่นยนต์ดังนั้นสำหรับฉันแอปพลิเคชันที่สนุกที่สุดคือพฤติกรรม ตัวอย่างสามารถรวม (ถ้าคุณสามารถเล่นกับ arduino)

สร้างแอปพลิเคชั่นที่ใช้การถดถอยโลจิสติกส์ซึ่งอาจเรียนรู้ว่าเมื่อใดที่จะปิดพัดลมและเปิดที่อุณหภูมิภายในและสถานะของแสงในห้อง

สร้างแอปพลิเคชั่นที่สอนหุ่นยนต์เพื่อย้ายแอคทูเอเตอร์ซึ่งอาจเป็นวงล้อโดยอิงตามอินพุตเซ็นเซอร์ (อาจกดปุ่ม) โดยใช้แบบจำลองส่วนผสมของเกาส์เซียน (การเรียนรู้จากการสาธิต)

อย่างไรก็ตามพวกมันค่อนข้างก้าวหน้า จุดที่ฉันทำคือถ้าคุณเลือกโครงการที่คุณชอบ (จริง ๆ ) และใช้เวลาสองสามสัปดาห์คุณจะได้เรียนรู้จำนวนมหาศาลและเข้าใจมากกว่าที่คุณจะได้รับมอบหมายเล็กน้อย

ฉันคิดว่าWekaเป็นจุดเริ่มต้นที่ดี คุณสามารถทำสิ่งต่าง ๆ เช่นการเรียนรู้แบบมีผู้สอนหรือการจัดกลุ่มและเปรียบเทียบชุดของอัลกอริทึมและวิธีการต่างๆ

คู่มือของ Weka เป็นหนังสือเกี่ยวกับการเรียนรู้ของเครื่องจักรและการขุดข้อมูลที่สามารถใช้เป็นวัสดุเบื้องต้น

สมมติว่าคุณคุ้นเคยกับการเขียนโปรแกรมผมจะขอแนะนำให้มองหาที่scikit เรียนรู้ มันมีหน้าช่วยเหลือที่ดีเป็นพิเศษซึ่งสามารถทำหน้าที่เป็นมินิแบบฝึกหัด / ทัวร์ด่วนผ่านการเรียนรู้ของเครื่อง เลือกพื้นที่ที่คุณสนใจและทำงานผ่านตัวอย่าง

ฉันพบหลักสูตรที่มีคำจำกัดความหลายคำเบื้องต้นเกี่ยวกับการเรียนรู้ของเครื่องเข้ารหัสเป็นแหล่งข้อมูลที่ดีดังนั้นเริ่มต้นด้วย มันใช้ไลบรารี Encogเพื่อสำรวจเทคนิค ml ที่ต่างกันอย่างรวดเร็ว

หากคุณรู้จัก R Studio อยู่แล้วแพคคาเร็ตเป็นจุดเริ่มต้นที่ดี นี่คือบทเรียนบางส่วน:

1. https://class.coursera.org/predmachlearn-002
2. http://caret.r-forge.r-project.org/index.html

ด้วย R และคาเร็ตคุณสามารถโหลดและประกบชุดข้อมูลการลดคุณสมบัติการวิเคราะห์องค์ประกอบหลักและฝึกอบรมและทำนายโดยใช้อัลกอริทึมต่างๆได้อย่างง่ายดาย

หากคุณสามารถสร้างกราฟกราฟขนาด 6x3 จากแบนเนอร์ของหน้าhttp://scikit-learn.org/จากนั้นคุณจะได้เรียนรู้ ML และ Python บางส่วน คุณไม่ได้พูดถึงภาษา Python นั้นง่ายพอที่จะเรียนรู้ได้อย่างรวดเร็วและ Scikit-learn นั้นมีการใช้อัลกอริทึมหลากหลาย

จากนั้นลองใช้ข้อมูลของคุณเอง!

นอกเหนือจากหลักสูตรและแบบฝึกหัดที่โพสต์แล้วฉันขอแนะนำบางสิ่ง 'มือ' อีกเล็กน้อย: Kaggleมีการแข่งขันเบื้องต้นที่อาจทำให้คุณสนใจ (คนส่วนใหญ่เริ่มต้นด้วยการแข่งขันไททานิค) และมีวิชามากมายให้สำรวจและแข่งขันเมื่อคุณต้องการประสบการณ์เพิ่มเติม

ดังที่ได้กล่าวไว้ในคำตอบข้างต้นให้เข้าใจพื้นฐานของ ML โดยทำตาม MOOCs โดย Prof.Andrew Ng และ'Learning From Data'โดยศ. Yaser Abu-Mostafa

R เป็นผู้ชนะที่ชัดเจนในฐานะเครื่องมือที่ใช้มากที่สุดในการแข่งขัน Kaggle (อย่าลืมตรวจสอบทรัพยากรใน Kaggle wiki และกระดานสนทนา)

เรียนรู้พื้นฐาน R และ Python ติดตาม Coursera 'ข้อมูลวิทยาศาสตร์ที่มีการเรียนการสอนการวิจัยเบื้องต้น อัลกอริทึมเกือบทั้งหมดสามารถพบได้ในห้องสมุด Python และ R ใช้อัลกอริทึมที่คุณเรียนรู้ในการแข่งขัน kaggle เพียงไม่กี่ครั้ง เป็นจุดเริ่มต้นเปรียบเทียบประสิทธิภาพของหลายขั้นตอนวิธีการในไททานิคชุดข้อมูลและตัวเลขชุดข้อมูลที่จดจำในkaggle

และยังคงฝึกชุดข้อมูลต่าง ๆ ต่อไป!