Als ich vor kurzem anfing, maschinelles Lernen als Hobby zu studieren, bekam ich enorme Fähigkeiten, weil ich verschiedene Fähigkeiten brauchte! Teilen Sie die Aufgaben, die Sie benötigen, um loszulegen!
Wenn Sie alleine anfangen, schreiben Sie zunächst die erforderlichen Fähigkeiten auf.
· Die Berufsqualifikationen
・ Tiefes Verständnis des Geschäfts
·logisches Denken
·Dokumentation/Präsentation
* In vielen Situationen ist eine theoretische Erklärung für die Datenerfassung erforderlich.
· Informatikkenntnisse
・ Breites Spektrum an IT-Kenntnissen
・ Kenntnisse über die Verarbeitung großer Datenmengen
・ Tiefes Wissen über Datenbanken
·Programmierung
* Da die Reichweite sehr groß ist, brauchen wir jemanden, der einen vollständigen Stapel von der Infrastruktur bis zur Logik erstellen kann.
・ Fähigkeiten zur statistischen Analyse
·Mathematik
・ Verständnis der Datenanalysemethode
・ Kenntnisse in Datenanalyse-Software
* Wahrscheinlichkeit / Statistik, Differentialintegration, Matrix usw. sind erforderlich.
Anfangs konnte ich überhaupt nicht verstehen, weil es viele Symbole gab.
Dieser Artikel ist leicht zu verstehen. Es ist an der Zeit, ernsthaft über die Definition und die Fähigkeiten von Datenwissenschaftlern nachzudenken - Qiita
Dies ist wahrscheinlich das Wichtigste beim maschinellen Lernen!
Denn selbst wenn Sie Daten erfassen, können Sie die zu erfassenden Daten nur kennen, wenn Sie mit der Branche vertraut sind. Diesmal habe ich viele Ratschläge bekommen, aber aufgrund fehlender Daten habe ich sie viele Male gesammelt!
Dies ist auch eine schwierige Aufgabe. Wenn es ungefähr 1.000 bis 10.000 sind, können Sie es möglicherweise manuell tun, aber ich denke, es ist besser, mindestens 100.000 zu haben. Ich habe angefangen, 1.300.000 Platten zu sammeln!
[Mach es selbst] Sammeln Sie kostenlos Informationen mit WEB Scraping. Es braucht Zeit und Geschick, um sich als Kompromiss zu entwickeln.
[Cloud Sourcing] Das klingt billig und gut, kann aber die Qualität der Informationen beeinträchtigen.
[Kaufen] Es dauert nicht lange und ist schnell, aber es ist relativ teuer (abhängig von den Informationen).
Die gesammelten Daten können teilweise fehlen oder unregelmäßige Informationen enthalten. Sie müssen die Informationen also so organisieren, dass sie leicht zu analysieren sind. Hier benötigen Sie Datenbankkenntnisse wie SQL und Kenntnisse für die Big Data-Verarbeitung (verteilte Verarbeitung usw.). Da es eine große Datenmenge verarbeitet, muss es einige Zeit dauern.
Um mit maschinellem Lernen Vorhersagen treffen zu können, benötigen Sie zunächst statistische Fähigkeiten, um aktuelle Daten zu analysieren. Sie müssen die Daten charakterisieren und auf die Daten schließen, die Sie für Vorhersagen benötigen. In diesem Bereich ist eine quantitative Bewertung erforderlich, ohne sich auf qualitative Dinge wie den gesunden Menschenverstand zu stützen.
Erstellen Sie ein Modell, um die Zukunft anhand der Dateneigenschaften vorherzusagen. Hier sind Programmierkenntnisse erforderlich. Entwicklungssprachen wie Python sind eine Voraussetzung, aber auch die Optimierung von Parametern usw. wird empfohlen, damit die Hürde nicht so hoch ist, sondern Sie den Algorithmus entsprechend dem Typ und Zweck der Daten auswählen müssen. .. [Liste der Bibliotheken für maschinelles Lernen] TensorFlow:https://www.tensorflow.org/ Chainer:http://chainer.org/ Caffe:http://caffe.berkeleyvision.org/ Theano:http://deeplearning.net/software/theano/index.html Torch:http://torch.ch/ scikit-learn:http://scikit-learn.org/stable/ PyML:http://pyml.sourceforge.net/ Pylearn2:http://deeplearning.net/software/pylearn2/ PyBrain:http://pybrain.org/pages/home
Machen Sie Vorhersagen mithilfe eines Lernmodells, das auf Trainingsdaten basiert. Es ist notwendig, die Vorhersage des Lerntests viele Male zu wiederholen, um zu experimentieren. Es besteht auch die Möglichkeit des Überlernens, nur weil die Genauigkeit hier gut ist.
Sie müssen das Experiment mit den tatsächlichen Daten wiederholen, um festzustellen, ob es wirklich funktioniert.
Da es noch nicht viele Ingenieure für maschinelles Lernen gibt, kann es schwierig sein, sich mit Leuten über Algorithmusauswahl, Parameterauswahl, Normalisierungsmethoden usw. zu beraten, und ich fühle mich einsam. Es gibt jedoch so viele neue Dinge zu lernen und es ist aufregend. Ich kann es jedem nur empfehlen.
Es gibt eine Website, auf der Sie mit den Fähigkeiten, die Sie lernen, mit zukünftigen Vorhersagen experimentieren. Schauen Sie also bitte nach, wenn Sie Zeit haben! ［facebook］ https://www.facebook.com/AIkeiba/ ［Twitter］ https://twitter.com/Siva_keiba
Recommended Posts