[PYTHON] Ich habe das Jahr, in dem ich selbst Datenwissenschaft studiert habe, zusammengefasst.

1. Einleitung

Dies ist ein Artikel über Studenten, die sich für Datenwissenschaft interessieren und ein Jahr lang auf ihr Studium zurückblicken!

Kommen wir zum Hauptthema!

2 Zweck dieses Artikels

** ① Organisiere dein eigenes Lernen ** Nachdem ich es ungefähr ein Jahr lang gemacht habe, vergesse ich, was ich bisher gelernt habe. Dies liegt daran, dass ich es einmal organisieren und für zukünftige Studien verwenden möchte. Daher kann es schwierig sein, viele subjektive Ausdrücke zu lesen. Wenn Sie Fragen oder Kommentare haben, kommentieren Sie diese bitte.

** ② Für Anfänger! ** **. Es wurde auch in dem Buch Shin Nihon geschrieben, aber es werden in Zukunft mehr Menschen sein. Ich denke, ich werde anfangen, Data Science zu lernen. Nachdem ich dieses Buch gelesen hatte, wollte ich in Zukunft eine aktive Rolle in diesem Bereich spielen, also begann ich ernsthaft zu lernen. Daher dachte ich, dass Anfänger auf diesen Artikel verweisen sollten.

3 Was mir beim Lernen bewusst war

** ① Fähigkeiten erwerben, die nachgewiesen werden können **

Ich wollte die Qualifikation erwerben, damit ich die Ziele leicht erkennen und meine Motivation behalten konnte. Ich wollte das Mindestwissen unter Bezugnahme auf Folgendes erwerben und erhielt in den ersten sechs Monaten den statistischen Test Level 2 und den G-Test. Ich denke darüber nach, in Zukunft eine Medaille bei kaggle zu gewinnen.

Erläuterung der Qualifikationen, die Datenwissenschaftler erwerben möchten, Umrisse und Schwierigkeitsgrade sowie Kurse, in denen sie die erforderlichen Fähigkeiten erlernen können

** ② Lerne die Theorie **

Das Erlernen von Data Science ist für Blackbox besonders einfach. Ich nahm mir Zeit zum Lernen, achtete aber darauf, nicht völlig missverstanden zu werden.

** ③ Achten Sie immer auf die Ladekarte **

Insbesondere Anfänger glauben, dass ein hohes Risiko für Frustration besteht. Deshalb haben sie eine Roadmap erstellt und studiert, um rückwärts zu rechnen und systematisch zu lernen.

[[2020-Version für Anfänger] Empfohlene Lernmethode für diejenigen, die selbst KI-Ingenieur werden möchten](https://qiita.com/tani_AI_Academy/items/e47bf4d1316b66a0402b#%E6%9C%AC%E6%B0%97% E3% 81% A7ai% E3% 82% A8% E3% 83% B3% E3% 82% B8% E3% 83% 8B% E3% 82% A2% E3% 82% 92% E7% 9B% AE% E6% 8C% 87% E3% 81% 97% E3% 81% A6% E3% 81% 84% E3% 82% 8B% E6% 96% B9% E3% 81% B8) Ausgabe 2020: Qualifikationsanforderungen für Datenwissenschaftler und Ingenieure für maschinelles Lernen vor Ort erforderlich [Selbststudium möglich] Lern-Roadmap für maschinelles Lernen für Python-Anfänger

Durch Bezugnahme auf die obigen drei Artikel habe ich gelernt, dass für die Datenwissenschaft fünf Hauptkenntnisse erforderlich sind.

1. Programmierkenntnisse: Grundlegende Python-Grammatik und Implementierung des maschinellen Lernens
2. Mathematik: Differentialintegration, Statistik, lineare Algebra
3. Theorie des maschinellen Lernens 4.kaggle: Zum Verständnis einer Reihe von Datenvorverarbeitungs-, Feature-Quantity-Engineering- und Analyseabläufen
4. Andere: Kenntnisse in SQL / Cloud usw.

Ich habe meine Kenntnisse in SQL und Cloud in anderen Formen zusammengefasst, da ich noch nicht mit dem Studium begonnen habe. Ich habe vor, in Zukunft hart zu lernen.

Im Folgenden werde ich einen Übersichtsartikel schreiben, der hauptsächlich in 1 bis 4 Felder unterteilt ist!

4 Rückblick

0. Der erste Schritt

Wenn Sie ein Anfänger sind, haben wir 3 Bücher zusammengestellt, die Sie von hier aus studieren sollten!

(1) Übersteigt künstliche Intelligenz den Menschen?

Es ist vielleicht das bekannteste Buch zum Thema maschinelles Lernen. Es ist auch ein empfohlenes Buch für den G-Test. Was ist künstliche Intelligenz? ?? ?? Wer wird, sollte zuerst lesen!

[② Ein Buch, das Mathematik für die Programmierung künstlicher Intelligenz versteht](https://www.amazon.co.jp/%E4%BA%BA%E5%B7%A5%E7%9F%A5%E8%83%BD % E3% 83% 97% E3% 83% AD% E3% 82% B0% E3% 83% A9% E3% 83% 9F% E3% 83% B3% E3% 82% B0% E3% 81% AE% E3 % 81% 9F% E3% 82% 81% E3% 81% AE% E6% 95% B0% E5% AD% A6% E3% 81% 8C% E3% 82% 8F% E3% 81% 8B% E3% 82 % 8B% E6% 9C% AC-% E7% 9F% B3% E5% B7% 9D-% E8% 81% A1% E5% BD% A6-ebook / dp / B079TLRZ8K / ref = sr_1_1? __Mk_ja_JP =% E3% 82% AB% E3% 82% BF% E3% 82% AB% E3% 83% 8A & dchild = 1 & keywords =% E4% BA% BA% E5% B7% A5% E7% 9F% A5% E8% 83% BD% E3 % 83% 97% E3% 83% AD% E3% 82% B0% E3% 83% A9% E3% 83% 9F% E3% 83% B3% E3% 82% B0% E3% 81% AE% E3% 81 % 9F% E3% 82% 81% E3% 81% AE% E6% 95% B0% E5% AD% A6% E3% 81% 8C% E3% 82% 8F% E3% 81% 8B% E3% 82% 8B % E6% 9C% AC & qid = 1589274169 & s = digitaler Text & sr = 1-1)

Es ist selbst für Leute, die nicht gut in Mathe sind, leicht zu lesen, und es ist auf der minimal erforderlichen Seite organisiert, um zu verstehen, wie Mathe in der künstlichen Intelligenz verwendet wird. Ich wusste nicht, was ich tun sollte, wenn ich für Universitätsprüfungen studierte, aber ich war beeindruckt, als ich zum ersten Mal verstand, dass Mathematik tatsächlich beim maschinellen Lernen verwendet wurde.

Selbst wenn Sie ein Anfänger sind und dieses Niveau der Mathematik nicht unterdrücken, werden Sie definitiv in der Theorie des maschinellen Lernens stecken bleiben. Ich empfehle Ihnen daher, sie zuerst zu lesen!

[③ Buch für diejenigen, die Ingenieur für maschinelles Lernen werden möchten](https://www.amazon.co.jp/%E6%A9%9F%E6%A2%B0%E5%AD%A6%E7%BF%92 % E3% 82% A8% E3% 83% B3% E3% 82% B8% E3% 83% 8B% E3% 82% A2% E3% 81% AB% E3% 81% AA% E3% 82% 8A% E3 % 81% 9F% E3% 81% 84% E4% BA% BA% E3% 81% AE% E3% 81% 9F% E3% 82% 81% E3% 81% AE% E6% 9C% AC-AI% E3 % 82% 92% E5% A4% A9% E8% 81% B7% E3% 81% AB% E3% 81% 99% E3% 82% 8B-% E7% 9F% B3% E4% BA% 95-% E5 % A4% A7% E8% BC% 94-ebook / dp / B07GWM4J7H / ref = sr_1_1? __Mk_ja_JP =% E3% 82% AB% E3% 82% BF% E3% 82% AB% E3% 83% 8A & dchild = 1 & keywords = % E6% A9% 9F% E6% A2% B0% E5% AD% A6% E7% BF% 92% E3% 82% A8% E3% 83% B3% E3% 82% B8% E3% 83% 8B% E3 % 82% A2% E3% 81% AB% E3% 81% AA% E3% 82% 8A% E3% 81% 9F% E3% 81% 84% E4% BA% BA% E3% 81% AE% E3% 81 % 9F% E3% 82% 81% E3% 81% AE% E6% 9C% AC & qid = 1589274212 & s = digitaler Text & sr = 1-1)

Wenn Sie die beiden oben genannten Bücher gelesen haben und mehr lernen möchten, lesen Sie sie bitte! Die notwendigen Elemente sind leicht verständlich geschrieben!

1. Programmierung

Ich habe zwei Dinge gelernt. **　python** Minimale Basissyntax für die Behandlung von Python (Steuerungssyntax für if-Anweisungen, Schleifen, Klassen- / Methodendefinitionen usw.) ** Implementierung von maschinellem Lernen ** Basierend auf der Theorie unter Verwendung einer Bibliothek namens Scikit-Leran implementiert

python

① [Selbststudienprogrammierer](https://www.amazon.co.jp/%E7%8B%AC%E5%AD%A6%E3%83%97%E3%83%AD%E3%82%B0%E3 % 83% A9% E3% 83% 9E% E3% 83% BC-Python% E8% A8% 80% E8% AA% 9E% E3% 81% AE% E5% 9F% BA% E6% 9C% AC% E3 % 81% 8B% E3% 82% 89% E4% BB% 95% E4% BA% 8B% E3% 81% AE% E3% 82% 84% E3% 82% 8A% E6% 96% B9% E3% 81 % BE% E3% 81% A7-% E3% 82% B3% E3% 83% BC% E3% 83% AA% E3% 83% BC% E3% 83% BB% E3% 82% A2% E3% 83% AB% E3% 82% BD% E3% 83% 95-ebook / dp / B07BKVP9QY / ref = sr_1_1? __Mk_ja_JP =% E3% 82% AB% E3% 82% BF% E3% 82% AB% E3% 83% 8A & dchild = 1 & Stichwörter =% E7% 8B% AC% E5% AD% A6% E3% 83% 97% E3% 83% AD% E3% 82% B0% E3% 83% A9% E3% 83% 9E% E3% 83% BC & qid = 1589274239 & s = digitaler Text & sr = 1-1)

Ich denke, es ist ein gutes Buch, um die Grundlagen des Programmierens zu lernen, aber es ist zu schwierig für Anfänger, die sich nicht entscheiden können, wie viel sie lernen sollen. Ich würde es gerne noch einmal lesen, wenn ich ernsthaft Python brauche ②　progate

Apropos Programmieranfänger, es ist progate! Vorerst wird empfohlen, zwei Runden zu fahren, um eine ungefähre Vorstellung zu bekommen! 　　

③　PyQ

Unter den verschiedenen Kursen absolvierte ich einen 82-stündigen Kurs mit dem Titel "Python-Grammatik von unerfahrenen". Für Anfänger ist es schön, sofort lernen zu können, da keine Umgebung aufgebaut werden muss.

Ich hatte jedoch das Gefühl, dass es ein wenig teuer wäre, 3000 Yen pro Monat auszugeben, während es viele Unterrichtsmaterialien gibt, die mit der grundlegenden Grammatik von Python kostenlos erlernt werden können. Rückblickend ist es auch schade, dass es einige Grammatiken gab, die ich nicht viel benutzt habe. 　　

④　Tommmy blog

Der Blog von Tommy, einem Geburtshelfer und Gynäkologen, enthält eine Zusammenfassung von Lern-Roadmap für Python-Anfänger [Sie können auch selbst im Blog lernen]. Ich war von dieser Klarheit kostenlos beeindruckt! Ich denke, es ist ideal für Anfänger, dies vorerst in Schach zu halten und bei Bedarf mehr zu erfahren.

⑤ [Kikagaku-Stil] Mit Python erlernte Algorithmus-Theorie zur Verbesserung der Programmierfähigkeit (Teil 1)

Dies ist ein Vortrag von Herrn Kikagaku aus Udemy. Andere Kurse werden unten vorgestellt, aber Kikagakus Kurse sind alle wunderbar! Wo soll ich überhaupt den Code für das Programm für Anfänger schreiben? ?? Es ist ein Kommentar dazu.

Implementierung von maschinellem Lernen

①　PyQ

Oben habe ich den Kurs "Python-Grammatik von unerfahrenen" eingeführt, aber ich habe zwei Monate damit verbracht, zwei Kurse zu lernen, den Kurs "Datenanalyse" und den Kurs "Maschinelles Lernen".

Die Implementierung von maschinellem Lernen ist leicht zu vereiteln, da es viele dicke Nachschlagewerke gibt, die Sie jedoch im Internet lernen können. Da die Erklärung für Anfänger gedacht war, ist sie auch ideal als Lehrmaterial, um nach dem Erlernen der grundlegenden Grammatik von Python zu lernen.

② Kame-sans Data Science-Blog

Dies ist der Blog von Herrn Kame, der als Datenwissenschaftler in den USA tätig ist. US Data Scientist Blog

Eine Reihe von Artikeln über den Einstieg in Python for Data Science ist für Anfänger einfach zu gut!

Es ist zu großartig, die grundlegende Grammatik von Python, Pandas, Numpy und Datenvisualisierung in diesem Blog zu lernen.

[③ Maschinelles Lernen beginnend mit Python](https://www.amazon.co.jp/Python%E3%81%A7%E3%81%AF%E3%81%98%E3%82%81%E3%82 % 8B% E6% A9% 9F% E6% A2% B0% E5% AD% A6% E7% BF% 92-% E2% 80% 95scikit-learn% E3% 81% A7% E5% AD% A6% E3% 81% B6% E7% 89% B9% E5% BE% B4% E9% 87% 8F% E3% 82% A8% E3% 83% B3% E3% 82% B8% E3% 83% 8B% E3% 82% A2% E3% 83% AA% E3% 83% B3% E3% 82% B0% E3% 81% A8% E6% A9% 9F% E6% A2% B0% E5% AD% A6% E7% BF% 92% E3% 81% AE% E5% 9F% BA% E7% A4% 8E-Andreas-C-Müller / dp / 4873117984 / ref = sr_1_1? __Mk_ja_JP =% E3% 82% AB% E3% 82% BF% E3% 82 % AB% E3% 83% 8A & dchild = 1 & keywords = python% E3% 81% A7% E5% A7% 8B% E3% 82% 81% E3% 82% 8B% E6% A9% 9F% E6% A2% B0% E5 % AD% A6% E7% BF% 92 & qid = 1589274453 & sr = 8-1)

Es ist eines der Bücher von O'Reilly Japan, das oft zum Lernen durch maschinelles Lernen empfohlen wird.

Ich kann die Güte dieses Buches jetzt sehen, aber ich denke, es ist ehrlich gesagt langweilig, wenn Sie die unten eingeführte Theorie des maschinellen Lernens nicht vollständig verstehen.

2. Mathematik

Das Verständnis der Mathematik ist beim Erlernen der Datenwissenschaft sehr wichtig. Ich denke, die drei Dinge, die besonders wichtig sind, sind Differenzierung, Statistik und lineare Algebra.

Es gibt jedoch viele Unterrichtsmaterialien, die maschinelles Lernen erklären, ohne viel Mathematik zu verwenden, da das Erlernen von Mathematik die Wahrscheinlichkeit von Frustrationen für Anfänger erhöht. Daher ist die Priorität von Anfängern nicht so hoch, und ich denke, es ist besser, bei Bedarf zu lernen.

Da ich bereits in der Universitätsprüfung Differenzierung gelernt hatte, lernte ich nach Abschluss des obigen Programmierlernens lineare Algebra und Statistik.

Lineare Algebra

[Linear Algebra Campus Seminar](https://www.amazon.co.jp/%E3%82%B9%E3%83%90%E3%83%A9%E3%82%B7%E3%82%AF% E5% AE% 9F% E5% 8A% 9B% E3% 81% 8C% E3% 81% A4% E3% 81% 8F% E3% 81% A8% E8% A9% 95% E5% 88% A4% E3% 81% AE% E7% B7% 9A% E5% BD% A2% E4% BB% A3% E6% 95% B0% E3% 82% AD% E3% 83% A3% E3% 83% B3% E3% 83% 91% E3% 82% B9% E3% 83% BB% E3% 82% BC% E3% 83% 9F% E2% 80% 95% E5% A4% A7% E5% AD% A6% E3% 81% AE% E6% 95% B0% E5% AD% A6% E3% 81% 8C% E3% 81% 93% E3% 82% 93% E3% 81% AA% E3% 81% AB% E5% 88% 86% E3% 81% 8B% E3% 82% 8B-% E5% 8D% 98% E4% BD% 8D% E3% 81% AA% E3% 82% 93% E3% 81% A6% E6% A5% BD% E3% 81 % AB% E5% 8F% 96% E3% 82% 8C% E3% 82% 8B-% E9% A6% AC% E5% A0% B4-% E6% 95% AC% E4% B9% 8B / dp / 4866150874 / ref = sr_1_1? __mk_ja_JP =% E3% 82% AB% E3% 82% BF% E3% 82% AB% E3% 83% 8A & dchild = 1 & keywords =% E7% B7% 9A% E5% BD% A2% E4% BB % A3% E6% 95% B0% E3% 82% AD% E3% 83% A3% E3% 83% B3% E3% 83% 91% E3% 82% B9% E3% 82% BC% E3% 83% 9F & qid = 1589274514 & sr = 8-1)

Es ist das beste Unterrichtsmaterial für Studenten, um die Grundlagen der linearen Algebra zu erlernen, da es für das Erlernen von Einheiten der linearen Algebra vorgesehen ist.

Statistiken

Studieren der statistischen Teststufe 2

Ich habe die Prüfung ungefähr ein halbes Jahr nach Beginn meines Studiums der Datenwissenschaft bestanden. Ich denke, es ist am besten, systematisch die Grundlagen der Statistik zu lernen. Ich habe die Studienmethode in einem anderen Artikel zusammengefasst. Wenn Sie interessiert sind, sehen Sie bitte hier!

Nur das! So bestehen Sie die zweite Klasse des statistischen Tests in kürzester Zeit

3. Die Theorie des maschinellen Lernens

Priorisiertes Verständnis grundlegender Algorithmen für maschinelles Lernen mit Ausnahme von Deep Learning.

① [Kikagaku-Stil] De-Black-Box-Kurs für künstliche Intelligenz / maschinelles Lernen

Dies ist ein Vortrag von Herrn Kikagaku aus Udemy. Ich habe zwei Kurse gelernt, Anfänger und Mittelstufe.

Basierend auf einer Überprüfung der linearen Algebra und Differenzierung können Sie eine Reihe von Schritten bis zur Optimierung lernen, indem Sie sie auf tatsächliche Probleme wie die Mietprognose anwenden. Es gibt auch Übungen in Python.

Dieser Kurs ist für Anfänger und wird empfohlen, da er von Udemy hoch bewertet wird.

②　cousera machine learning

Es ist ein Video-Unterrichtsmaterial, das oft als Kurs für Anfänger verwendet wird. Es war eine wertvolle Erfahrung, kostenlos Vorträge auf höchstem Niveau in Übersee zu hören. Ich habe nicht viele schwierige Formeln verwendet, und es war leicht zu verstehen mit einer einfachen Erklärung. Untertitel können auf Japanisch hinzugefügt werden, aber es gibt viele Punkte, die Englischkenntnisse erfordern. Es war auch ein Schmerz, eine Aufgabe mit einem mysteriösen Berechnungswerkzeug namens Oktave einreichen zu müssen. 　　

③ Open Courseware der Tsukuba University

Dies ist die Site, auf der die Tsukuba University Klassenvideos veröffentlicht. Sie können den Vortrag auf Youtube sehen. Ich habe es gesehen, weil ich tiefere Inhalte als Cousera lernen wollte. Ich hatte das Gefühl, dass der Kurs hier leichter zu verstehen war, weil er auf Japanisch war. Es basiert auf mathematischen Kenntnissen (insbesondere lineare Algebra und Differenzierung), und ich konnte die Details verstehen, indem ich den Beweis mathematischer Formeln ableitete. Es war jedoch schade, dass es keine Erklärung für die Probleme gab.

④ G-Test

Weitere Informationen zum G-Test finden Sie hier [https://www.jdla.org/certificate/general/)! Ich denke, es ist eine perfekte Qualifikation für Anfänger, sich als erstes Ziel zu setzen.

Da ich maschinelles Lernen mit Cousera verstand, verstand ich tiefes Lernen mit dem offiziellen Lehrbuch und übte Probleme mit einer Sammlung von Problemen namens Kuromoto und einer Sammlung von erwarteten Problemen, die im Internet empfangen werden können.

[1. Offizieller Text des Deep Learning G-Tests (Generalist)](https://www.amazon.co.jp/%E6%B7%B1%E5%B1%A4%E5%AD%A6%E7%BF%92 % E6% 95% 99% E7% A7% 91% E6% 9B% B8-% E3% 83% 87% E3% 82% A3% E3% 83% BC% E3% 83% 97% E3% 83% A9% E3% 83% BC% E3% 83% 8B% E3% 83% B3% E3% 82% B0-G% E6% A4% 9C% E5% AE% 9A% EF% BC% 88% E3% 82% B8% E3% 82% A7% E3% 83% 8D% E3% 83% A9% E3% 83% AA% E3% 82% B9% E3% 83% 88% EF% BC% 89-% E5% 85% AC% E5 % BC% 8F% E3% 83% 86% E3% 82% AD% E3% 82% B9% E3% 83% 88-% E6% B5% 85% E5% B7% 9D-ebook / dp / B07H2ZR6M2 / ref = sr_1_1? __mk_ja_JP =% E3% 82% AB% E3% 82% BF% E3% 82% AB% E3% 83% 8A & dchild = 1 & keywords = g% E6% A4% 9C% E5% AE% 9A & qid = 1589349248 & sr = 8-1 )

Vielleicht ist fast jeder, der diese Prüfung ablegt, ein Nachschlagewerk zum Kaufen. Kaufen Sie, sobald Sie sich für die Prüfung entscheiden! Es ist einfach, deshalb überprüfe ich es oft auch nach bestandener Prüfung.

[2. Gründliche Strategie Deep Learning G Test Generalist Problem Collection](https://www.amazon.co.jp/%E5%BE%B9%E5%BA%95%E6%94%BB%E7%95%A5 -% E3% 83% 87% E3% 82% A3% E3% 83% BC% E3% 83% 97% E3% 83% A9% E3% 83% BC% E3% 83% 8B% E3% 83% B3% E3% 82% B0G% E6% A4% 9C% E5% AE% 9A-% E3% 82% B8% E3% 82% A7% E3% 83% 8D% E3% 83% A9% E3% 83% AA% E3 % 82% B9% E3% 83% 88-% E5% 95% 8F% E9% A1% 8C% E9% 9B% 86-% E5% BE% B9% E5% BA% 95% E6% 94% BB% E7 % 95% A5% E3% 82% B7% E3% 83% AA% E3% 83% BC% E3% 82% BA-ebook / dp / B07NDVCN99 / ref = read_cwrtbar_1 / 355-6465569-1212101? _Encoding = UTF8 & pd_rd_i = B07NDVN_N = e79bfdee-02fd-4930-9b9b-3fbee6373ba2 & pd_rd_w = ysTuv & pd_rd_wg = 1zuc8 & pf_rd_p = 64c49d12-7012-452e-9a49-e43c9513f9fc & pf_rd_r9TZG

Es ist ein Buch, das auch als schwarzes Buch bezeichnet wird. Als ich die Prüfung ablegte, kaufte ich sie, weil es kein anderes Nachschlagewerk gab, das ich üben konnte. Es wurde zu einem der Kriterien für die Messung des Bestehens oder Nichtbestehens der Prüfung, aber ich hatte auch das Gefühl, dass es viele Unterschiede zur eigentlichen Prüfung gab.

3. G Test Übungstest

Dies ist ein Mock-Test (frühere Frage) des von "Study-AI" der Arbeitsgruppe für künstliche Intelligenz veröffentlichten G-Tests.

Ich hatte das Gefühl, dass dieser Mock-Test dem eigentlichen Test ähnlicher war als Kuromoto. ４.　kaggle Nachdem ich die Grundlagen gelernt hatte, gab es viele Artikel, in denen stand, dass man eigentlich mit Daten umgehen sollte, also entschied ich mich, kaggle herauszufordern. Dies ist eine Wettbewerbsseite für Datenwissenschaftler, die hauptsächlich Artikel in englischer Sprache enthält und Wettbewerbe sammelt, die von ausländischen Unternehmen gesponsert werden.

Signate ist in Japan berühmt. Im Moment ist Kaggle jedoch berühmter und der Code und die Lösung sind für die Öffentlichkeit zugänglich. Daher habe ich das Gefühl, dass viele Anfänger von Kaggle ausgehen.

Es gibt noch wenige Bücher, die an Kaggle arbeiten Zusammenfassung der empfohlenen Materialien für Anfänger, um Kaggles "Einführung" mit hoher Geschwindigkeit zu beenden (Version Dezember 2019) Ich habe mich besonders darauf bezogen. Wenn Sie den Anweisungen hier folgen, können Sie mit kaggle beginnen!

Es gibt jetzt mehr aktualisierte Artikel! Zusammenfassung der empfohlenen Materialien für Anfänger des maschinellen Lernens, um Kaggles "Einführung" mit hoher Geschwindigkeit zu beenden (Version März 2020)

① Kaggle-Tutorial

Für Anfänger können Sie eine Reihe von Schritten lernen, indem Sie Analyseergebnisse mithilfe des Titanic-Wettbewerbs einreichen, der ein Tutorial von kaggle ist. 　　

② Was tun als nächstes nach der Registrierung bei Kaggle? Wenn Sie dies tun, können Sie genug kämpfen! Erste Schritte mit dem Titanic 10 Kernel ~

Es gab einen Bereich, der mit dem Kaggle-Tutorial abgedeckt werden konnte, aber beide waren richtige Antworten. Ich habe es genossen zu lernen, weil ich auch mit einigen Textdaten und Bilddaten umgehen kann.

[③ Python-Übungsdatenanalyse 100 Schläge](https://www.amazon.co.jp/Python%E5%AE%9F%E8%B7%B5%E3%83%87%E3%83%BC%E3 % 82% BF% E5% 88% 86% E6% 9E% 90100% E6% 9C% AC% E3% 83% 8E% E3% 83% 83% E3% 82% AF-% E4% B8% 8B% E5% B1% B1% E8% BC% 9D% E6% 98% 8C-ebook / dp / B07ZSGSN9S / ref = sr_1_1? __Mk_ja_JP =% E3% 82% AB% E3% 82% BF% E3% 82% AB% E3% 83 % 8A & dchild = 1 & keywords = Python% E5% AE% 9F% E8% B7% B5% E3% 83% 87% E3% 83% BC% E3% 82% BF% E5% 88% 86% E6% 9E% 90100% E6 % 9C% AC% E3% 83% 8E% E3% 83% 83% E3% 82% AF & qid = 1589274688 & sr = 8-1)

Wenn Sie die beiden oben genannten Dinge tun, können Sie bis zu einem gewissen Grad ein Gefühl für Kaggle bekommen. Der zeitaufwändigste Teil des Datenanalyseprozesses ist jedoch die Datenvorverarbeitung. Ich habe eine coole Theorie aus der Theorie des maschinellen Lernens gelernt, aber wenn eine Vorverarbeitung nicht möglich ist, wird dieser coole Algorithmus verschwendet. Kaggle wird nicht unterstützt, aber ich denke, dieses Buch ist sehr wertvoll, da es nicht viele Bücher gab, die sich mit der Vorverarbeitung hauptsächlich für Tabellendaten in Python befassten.

[④ Datenanalysetechnologie, die mit kaggle gewinnt](https://www.amazon.co.jp/Kaggle%E3%81%A7%E5%8B%9D%E3%81%A4%E3%83%87%E3 % 83% BC% E3% 82% BF% E5% 88% 86% E6% 9E% 90% E3% 81% AE% E6% 8A% 80% E8% A1% 93-% E9% 96% 80% E8% 84% 87-% E5% A4% A7% E8% BC% 94-ebook / dp / B07YTDBC3Z / ref = sr_1_1? __Mk_ja_JP =% E3% 82% AB% E3% 82% BF% E3% 82% AB% E3% 83% 8A & dchild = 1 & keywords = kaggle% E3% 81% A7% E5% 8B% 9D% E3% 81% A4% E3% 83% 87% E3% 83% BC% E3% 82% BF% E5% 88% 86% E6% 9E% 90% E3% 81% AE% E6% 8A% 80% E8% A1% 93 & qid = 1589274722 & sr = 8-1)

Ich habe ein Buch über Kaggle gekauft, weil es das einzige war, als ich zu dieser Zeit am Wettbewerb teilnehmen wollte. Ich denke, es ist zu schwierig für Anfänger, die nur den Titanic-Wettbewerb absolviert haben, aber ich arbeite an dem Wettbewerb mit der Entschlossenheit, dass ich mich nur dadurch verbessern kann.

⑤ Nimm am eigentlichen Wettbewerb teil

Viele Leute sagten, dass die Teilnahme am Wettbewerb das beste Lernen wäre. Mir fehlen noch Kenntnisse, aber ich möchte aktiv am Wettbewerb teilnehmen und Medaillen gewinnen.

5 Zusammenfassung

guter Punkt

** 1. Meine Motivation hoch halten und weiter lernen ** In den ersten zwei Monaten war ich voller Dinge, die ich nicht verstand, aber als ich mich daran gewöhnt hatte, fand ich es lustig zu lernen. Ich habe auch darüber nachgedacht, eine Programmierschule zu besuchen, aber ich lerne alleine, weil ich es nicht für sinnvoll halte, eine Programmierschule zu besuchen, damit ich nicht frustriert bin.

** 2. Der Punkt, dass ich in der Lage war, einen Plan zu erstellen und flexibel zu lernen, ohne von Anfang an einen soliden Zeitplan zu erstellen ** Wie ich beim Schreiben dieses Artikels festgestellt habe, sind neue Nachschlagewerke auf dem Gebiet der Datenwissenschaft ziemlich schnell. Außerdem gibt es so viel zu lernen, dass ich zunächst nicht denke, dass es wie geplant verlaufen wird. Daher habe ich studiert, indem ich den Monat zu Beginn des Monats geplant habe, während ich mir das ganze Bild auf der Roadmap bewusst war.

Reflexionen

** 1. Ich habe versucht, jeden zu sehr zu perfektionieren ** Insbesondere habe ich zu viel Zeit mit der grundlegenden Grammatik von Python verbracht. Der Nachteil, zu perfekt zu sein ① Es braucht Zeit, um nutzloses Wissen zu vergessen ② Die Frustrationsrate steigt Und so weiter.

** 2. Das Gleichgewicht zwischen Theorie und Praxis ist schlecht ** Vorläufig hatte ich das Gefühl, dass ich es genießen könnte, mehr zu lernen, indem ich die Theorie eingab und sie dann ausgab. Anfänger neigen dazu, zu viel Input zu haben, deshalb möchte ich vorsichtig sein.

Ein kleiner Eindruck

** 1. Schwer fortzusetzen ** Besonders in den ersten sechs Monaten habe ich oft ungefähr 10 Stunden am Tag gelernt, aber mein größter Eindruck ist, dass ich mich nicht so stark verbessert habe, wie ich erwartet hatte. Ich hatte das Gefühl, dass es unmöglich sein würde, mit Motivationen wie "KI ist die kommende Ära!" Und "Deee-Lernen scheint cool zu sein" noch lange weiter zu lernen. Ich denke, dass sogar ein Buch für diejenigen, die Ingenieur für maschinelles Lernen werden möchten, mit dem Lernen fortfahren sollte, basierend auf der Tatsache, dass es kein Bereich ist, in dem die Ergebnisse sofort veröffentlicht werden, da gesagt wird, dass Sie über einen langen Zeitraum von 1 bis 3 Jahren studieren sollten. Überlegen. ..

** 2. Sie sollten großartige billige Materialien verwenden! ** **. Alle oben vorgestellten Blogs sind kostenlos und Qiita bietet viele nützliche Inhalte zum Lernen. Zum Zeitpunkt des Verkaufs kann udemy hochwertige Kurse für 1.500 Yen erwerben. Für diejenigen, die erwägen, eine Programmierschule zu besuchen, sind der KI-Kurs und der datenwissenschaftliche Kurs der Programmierschule ziemlich teuer, daher hielt ich es für angebracht, nach dem Erlernen der Grundlagen zu entscheiden, ob sie teilnehmen möchten.

6 Zukünftige Bestrebungen

1. Verdiene Medaillen mit Kaggle
2. Geben Sie aus, was Sie bisher gelernt haben

In Zukunft möchte ich mit diesen beiden mein Bestes geben. Danke, dass du bis zum Ende zugesehen hast!