[PYTHON] Début de l'apprentissage automatique (matériel didactique / informations recommandés)

introduction

Quoi écrire

J'ai résumé mon expérience des six derniers mois sous forme de mémo de réflexion, de matériel didactique recommandé, d'informations, etc. lors de l'étude des bases du "machine learning", qui est très important dans la technologie de l'IA.

Je serais heureux s'il pouvait être utilisé comme référence pour ceux qui commencent à étudier l'apprentissage automatique.

Façon de penser lors de l'étude des bases de l'apprentissage automatique

Je pense qu'il y a plusieurs raisons pour commencer à étudier l'apprentissage automatique. Le monde est devenu très bruyant avec l'IA, il se peut donc que certains employés de bureau pauvres soient soudainement invités par la direction à enquêter sur l'IA. Certaines personnes ont déjà décidé de ce qu'elles veulent faire et de l'application qu'elles veulent créer, et souhaitent utiliser l'apprentissage automatique à cette fin (mais n'ont aucune expérience en développement), et certaines personnes sont familiarisées avec les statistiques mais sont novices en programmation.

La description suivante est un record lorsque je (moitié R & D / moitié bureau, moitié personnel / moitié directeur) qui est diplômé d'une école d'ingénieurs a étudié l'apprentissage automatique comme passe-temps, pas directement lié au travail. ..

--Il y a une certaine expérience en programmation ――Je comprends que les statistiques et les mathématiques sont de base

• Presque la première fois sur l'apprentissage automatique «J'ai une mentalité d'ingénierie plutôt qu'un système scientifique, mais je veux comprendre les principes, les algorithmes et les mathématiques de base en tant que tels et me sentir rafraîchi.

Je vais l'envoyer dans la version.

Il serait grandement apprécié que les apprenants en machine intermédiaires et avancés puissent se sentir nostalgiques et donner des conseils tout en regardant chaleureusement les progrès de ce débutant. Parce qu'il n'y a pas de personnes avancées autour de moi qui peuvent se sentir libres de consulter. ..

Matériel pédagogique recommandé

Nous vous recommandons de suivre la très célèbre Coursera Machine Learning Lecture.

Si vous le prenez au sérieux, il sera terminé dans 3 mois. Cependant, si vous avez de l'expérience en programmation et n'êtes pas habitué au calcul matriciel, il peut être difficile de le faire dans les délais.

J'ai téléchargé la vidéo de la leçon sur l'application Coursera sur mon iPad et l'ai regardée dans le train de banlieue, quand je marchais, pendant la pause déjeuner, quand je prenais un bain, etc.

J'ai aussi des devoirs de programmation, que j'ai faits au milieu de la nuit après que ma femme et mon enfant se soient couchés. Je l'ai fait le week-end si j'avais le temps. J'ai eu une expérience de développement avec MATLAB dans le passé, donc Octave a bien fonctionné. (Mais j'ai beaucoup appris de ce cours sur la façon de faire des opérations de matrice intelligente.)

De plus, comme il est le plus difficile de poursuivre de tels MOOC, nous avons recruté des volontaires dans l'entreprise et organisé des sessions d'étude pour rendre compte des progrès de chacun environ une semaine sur deux. Cependant, en réalité, j'ai décidé de travailler avec l'un de mes seniors d'une autre équipe, mais le faire seul est complètement différent de le faire avec deux personnes. Je pense que c'est mentalement pénible de procéder seul.

Après Coursera

Si vous lisez ["L'intelligence artificielle dépasse-t-elle les humains?"] Du Dr Matsuo (Https://www.amazon.co.jp/dp/4040800206?tag=lucas29liao-22&camp=243&creative=1615&linkCode=as1&creativeASIN=4040800206&adid=01X9RKFX) , Vous pouvez saisir un large éventail de sujets liés à l'apprentissage automatique.

C'est un livre facile à lire, vous pouvez donc le lire avant de terminer le Coursera, mais si vous le lisez une fois le Coursera terminé, vous serez en mesure de comprendre les détails. Je remarque également qu'il existe des introductions d'algorithmes qui n'apparaissent pas dans Coursera, et il est amusant de remarquer les différences d'explications entre le Dr Andrew et le Dr Matsuo.

Data Analytics 3.0 J'ai aussi aimé lire.

De plus, une fois que vous avez terminé tous les devoirs de Coursera, il devient un atout que vous pouvez utiliser à portée de main. J'utilise cela pour prédire le prix de la chambre dans laquelle je vis, en utilisant le prix contractuel des autres chambres du même appartement que les données de l'enseignant, à partir de diverses conditions (nombre d'étages, superficie, nombre de chambres, durée du contrat, etc.) J'ai essayé de.

Le prochain livre que j'ai lu

Ensuite, je l'ai acheté chez BookLab Tokyo ["Introduction to Machine Learning for Data Scientist Training Reader"](https://www.amazon.co.jp/dp/4774176311?tag=lucas29liao-22&camp=243&creative=1615&linkCode=as1&creativeASIN=4774176311&adid = 074K7FBHYHQA1N64ECFW &) a été lu.

J'ai été surpris par du café gratuit et l'ai acheté avec un élan, me rappelant que ce livre avait été recommandé dans un article, mais avec le recul, c'était le meilleur livre à lire immédiatement après avoir lu Coursera. Les explications de divers algorithmes sont assez simples dans le livre, donc je pense qu'il a fallu du temps pour comprendre même si vous le lisez sans aucune connaissance. Cependant, quand je l'ai lu après avoir reçu le Coursera, je connaissais les bases, donc j'ai pu me concentrer sur les informations appliquées.

De plus, des exemples de code réellement écrits en R ou Python apparaîtront également dans ce livre. Écrire du code à zéro pour les devoirs de Coursera a été utile pour comprendre l'algorithme, mais il est plus facile d'utiliser une bibliothèque existante si vous souhaitez utiliser facilement l'apprentissage automatique. Ce livre décrit également comment utiliser diverses bibliothèques, il était donc très facile à utiliser lors de la configuration de l'apprentissage après Coursera.

Apprentissage automatique avec Python

Pour procéder au prochain apprentissage, j'ai décidé d'utiliser Python.

Les gens comme "Je suis réticent à programmer et j'ai sauté les devoirs et je n'ai regardé que la vidéo" peuvent être rapides à utiliser les outils d'interface graphique, mais si je suis à l'aise avec la programmation, je pense que Python ou R est mieux. Je vais. J'ai une certaine expérience en programmation, j'ai donc choisi Python, qui est un langage de script à usage général. Si vous n'avez pas beaucoup d'expérience en programmation, R, spécialisé dans les calculs statistiques, peut être plus facile à utiliser.

Afin d'étudier l'apprentissage automatique avec Python, il est courant d'utiliser diverses bibliothèques telles que scicit-learn, Numpy, Scipy et matplotlib. J'ai étudié ces bases ici.

Tout d'abord Introduction à l'analyse des données par Python Et

Programmation Python Machine Learning Je lis.

L'ancien livre comporte de nombreuses pages consacrées au formatage des données. Au cours du développement réel, la majeure partie du travail de programmation est consacrée à la préparation des données, comme leur chargement, leur nettoyage, leur transformation et leur déplacement. Heureusement, les pandas et les bibliothèques standard Python présentées ici se combinent pour fournir une manipulation de données sophistiquée et flexible.

Ce dernier livre a été utile avec une multitude d'exemples de code utilisant scicit-learn. J'ai pu tomber sur des algorithmes non présentés dans d'autres livres et j'ai pu ressentir la profondeur de l'apprentissage automatique même au stade élémentaire.

J'ai lu ces livres pendant les vacances de fin d'année et de nouvel an. Je voyageais en Australie et à Bangkok, mais j'ai pris le temps de le digérer la nuit et je n'ai pas osé lire attentivement les détails. Je voulais plutôt comprendre l’ensemble du développement et l’éventail des connaissances requises. Je l'ai lu à un rythme d'environ 100 p par jour, en prenant des notes là où j'étais intéressé.

Ensuite, j'ai dit que je refaire les devoirs de Coursera en Python. J'ai fait référence à l'article suivant Coursera Machine Learning Challenges in Python: ex1.

J'ai utilisé Jupyter Notebook comme environnement d'apprentissage. Impressionné par la facilité d'utilisation. ..

Résumé du premier semestre

Ces jours-ci, je trouve qu'il est trop dangereux d'être dansé sur cette tendance sans une bonne compréhension technique dans une situation où les chats et la louche sont aussi appelés IA.

Au cours des six derniers mois, j'ai appris les algorithmes de base de l'apprentissage automatique un par un et j'ai expérimenté des bibliothèques touchantes utilisant des échantillons de données et des données disponibles pour construire des prédictions. Même en l'absence d'un chercheur et d'un développeur familiarisé avec l'IA, j'ai pu poursuivre l'apprentissage et évaluer le manque de soin de nombreux articles bâclés sur l'IA.

On s'attend à ce que la demande future de data scientists (appelons-le) augmentera à court terme mais diminuera à long terme, mais il est inévitable que l'automatisation du travail qui ne nécessite pas d'humains progressera, et l'IoT Je ne pense pas que la tendance de / BigData / AI soit fausse. L'étude de l'apprentissage automatique, des grands principes aux détails, sera utile pour faire des affaires dans n'importe quel secteur.

Aperçu de la prochaine fois

Apprentissage automatique avec Python: continuera à pratiquer