Beginn des Studiums: Samstag, 7. Dezember
Unterrichtsmaterialien usw.: ・ Miyuki Oshige "Details! Python3 Introductory Note ”(Sotech, 2017): 19.12. (Donnerstag) Abgeschlossen ・ Progate Python-Kurs (insgesamt 5 Kurse): Endet am Samstag, den 21. Dezember ・ Andreas C. Müller, Sarah Guido "(japanischer Titel) Maschinelles Lernen ab Python" (O'Reilly Japan, 2017): Abschluss am Samstag, 23. Dezember ・ Kaggle: Real or Not? NLP mit Katastrophen-Tweets: Veröffentlicht am Samstag, 28. Dezember, bis Freitag, 3. Januar Einstellung ・ ** Wes Mckinney "(japanischer Titel) Einführung in die Datenanalyse von Python" (O'Reilly Japan, 2018) **: 4. Januar (Sa) ~
Fordern Sie Kaggle von Ende letzten Jahres bis gestern heraus.
Denken Sie selbst, schreiben Sie Code, suchen Sie in Büchern und googeln Sie nach Funktionen, die Sie implementieren möchten. Wenn Sie fertig sind, vergleichen Sie es mit den Kerneln anderer Teilnehmer, integrieren Sie alle fehlenden oder beispiellosen Verarbeitungsschritte und schreiben Sie den Code erneut. Ich konnte viel über maschinelles Lernen lernen, indem ich eine Reihe solcher Prozesse durch tatsächliche Aufgaben durchführte.
Ich hatte bis gestern versucht, meine Punktzahl zu verbessern, aber als ich es versuchte, sah ich verschiedene neue Herausforderungen, also machte ich hier eine kurze Pause für Kaggle und ging weiter, um Wissen einzugeben.
Verständnis verschiedener Bibliotheken Ich war mir meines Unwissens über Bibliotheken wie Pandas, Numpy, Sklearn und Matplot sehr bewusst. Natürlich können Sie durch Suchen so viele finden, wie Sie möchten, und wenn Sie sich den Kernel ansehen, können Sie die häufig verwendeten Funktionen verstehen. Stellen Sie jedoch zusätzlich zu den verschiedenen Problemen jedes Mal sicher, dass Sie dieselbe Verarbeitung ausführen, auch wenn Sie sie bis zu einem gewissen Grad strukturieren können. Ich dachte, es sei nicht so oft, also musste ich mindestens einmal das Gesamtbild darüber kennen, "was jede Bibliothek kann".
Kenntnis der Statistik Ob es mit Matplot oder abgestimmten Parametern visualisiert wird, es ist nicht leicht vorstellbar, welche Nummer wo entspricht und welche Nummer geändert wird (= kann Personen nicht erklärt werden). Ich war der Meinung, dass die aktuelle Situation verbessert werden sollte.
Lernen Sie für den ersten Artikel zunächst NumPy und Pandas anhand der Bücher unter "Materialien usw." oben im Artikel kennen. In Bezug auf den zweiten Punkt planen wir, unser Wissen durch ein Studium zu festigen, während wir uns darauf konzentrieren, Level 2 des statistischen Tests zu bestehen, der im Juni durchgeführt werden soll.
S.92 Lesen Sie weiter bis Kapitel 3. Da die Tutorial-Elemente wie die in Python integrierten Funktionen stark sind, wird der Hauptteil gemäß dem ursprünglichen Zweck danach sein.
Recommended Posts