Die Zusammenfassung des maschinellen Lernens in Python für Anfänger ist sehr kurz.

Hier ist eine sehr kurze Zusammenfassung des maschinellen Lernens in Python. Maschinelles Lernen / Künstliche Intelligenz (KI) wird als das zusammengefasst, was Sie mit Python tun können.

Maschinelles Lernen ist eine Technologie, die basierend auf vorbereiteten Daten lernt und basierend darauf neu präsentierte Daten vorhersagt. .. </ span> </ strong>

Daher ist es wichtig, die Daten vorzuverarbeiten und den Algorithmus auszuwählen (Verfahren zur Lösung des Problems).

Es gibt zwei Arten von Methoden.

① Überwachtes Lernen → Richtige Antwortinformationen (Etikett) sind auch als Set mit Lerndaten verfügbar. Erstellen Sie Muster aus vorhandenen Informationen und sagen Sie unbekannte Daten voraus.

(2) Lernen ohne Lehrer → Eine Methode ohne korrekte Antwortdaten. Analysieren Sie die Eigenschaften der Daten und klassifizieren Sie die Daten in mehrere Gruppen.

Beispiele für Bibliotheken, die dies erreichen, sind scicit-learn (eine für Anfänger empfohlene Bibliothek) und TensorFlow (von Google entwickelt).

[Beispiel für maschinelles Lernen] Identifizieren des Bildes des Hundes → Beurteilen, ob die angegebenen Daten das Bild des Hundes sind, und Finden der richtigen Antwortrate. (Als Kriterium wird ein lernaufgezeichnetes Modell verwendet.) Es wurde weiterentwickelt und dient zur Identifizierung unerwünschter E-Mails und zur Zertifizierung menschlicher Gesichter.

Kurz gesagt, beim maschinellen Lernen sind Modellauswahl und Vorverarbeitung (damit die Daten leicht zu erlernen sind) wichtig, und die Ergebnisse ändern sich entsprechend.

Es wird gesagt, dass Kenntnisse über Differentialintegration, lineare Algebra, Matrix, Statistik usw. erforderlich sind, um ein wesentliches Verständnis einer solchen Vorverarbeitung zu erhalten. (Berechnung mit NumPy, Matplotlib usw. → Realisierung der Visualisierung usw.)

  • Ergänzung *

Um Deep Learning grob zu erklären, scheint es sich um eine Technologie zu handeln, die sich aus maschinellem Lernen weiterentwickelt und eigene Punkte zum Identifizieren und Lernen setzt. (Interessant)

Schlussfolgerung Ich interessierte mich für Datenanalyse und begann Python zu lernen, aber schließlich wurde mir klar, dass Datenanalyse und maschinelles Lernen untrennbar miteinander verbunden sind. .. ..

Darüber hinaus sind mathematische Kenntnisse ein Muss, um das Wesentliche zu verstehen. (Ich hätte in der High School und im College richtig Mathematik studieren sollen ...)

Okay, ich werde mein Bestes geben! !!

Ich hoffe, es ist hilfreich für Anfänger, die sich für Datenanalyse und maschinelles Lernen interessieren und nur die Gliederung kennen möchten.

  • Ich bin auch ein Anfänger, daher kann es zu Fehlern kommen. Wir planen, jedes Mal Korrekturen vorzunehmen. Wenn Sie also Fehler haben, teilen Sie uns dies bitte mit.

Das Ende

Nachtrag Derzeit denke ich darüber nach, diesbezüglich zu studieren. Dies ist ein sehr hilfreicher Artikel, daher werde ich einen Link bereitstellen.

[Erhaltene Version / für Anfänger] Empfohlene Lernmethode für diejenigen, die selbst KI-Ingenieur werden möchten https://qiita.com/tani_AI_Academy/items/4da02cb056646ba43b9d

P.S.

Ich lerne seit vier Monaten alleine und spüre die Grenzen der Motivation. Ich poste einen Lernbericht in der Hoffnung, dass ich die aktuelle Situation durchbrechen und mich mit Menschen in derselben Situation anfreunden kann. Ich möchte interessante Dinge tun, wie eine Lernsitzung planen und gemeinsam ein gemeinsames Portfolio erstellen! !! Wenn Sie Fragen haben, können Sie uns gerne über Twitter kontaktieren. (Ernsthafter Wunsch)

Recommended Posts