Plan d'apprentissage Python pour la gestion de la progression de l'apprentissage de l'IA

Contexte et objectif

Parce que l'apprentissage de Python par Chainer semble être terminé Je vais revoir le plan

Conclusion

Découvrez les livres spécialisés présentés ci-dessous et produisez des applications à l'aide de l'apprentissage automatique.
Je ferai de mon mieux! !! !!

Contenu

** Appris pour le moment **

• Mathématiques requises pour l'apprentissage automatique
• Python
• Connaissance de l'apprentissage automatique
• Différenciation (jusqu'à différenciation partielle)
• algèbre linéaire
• Statistiques de base (moyenne, variance, écart type, etc.)
• Mathématiques d'analyse de régression simple
• Mathématiques d'analyse de régression multiple
• Python(Chainer)
• Calcul de réseau neuronal (propagation directe), transformation linéaire, transformation non linéaire, calcul de réseau neuronal (propagation arrière) Méthode de propagation de retour d'erreur, méthode de descente de gradient, apprentissage par mini-lots

Calendrier d'étude suivant (en gros, il semble que vous puissiez le toucher avec un livre spécialisé)

Étudiez avec ce livre

• ** Implémentation d'un réseau neuronal (TensorFlow ou PyTorch) **

• Algorithme typique pour l'apprentissage supervisé (à la suite de la visite d'une librairie, il semble nécessaire d'étudier un livre spécialisé sur "l'apprentissage automatique")

Analyse de régression multiple, régression de crête, régression au lasso, régression logistique, méthode de k-voisinage, machine à vecteurs de support, arbre de décision, forêt aléatoire, algorithme typique pour l'apprentissage non supervisé, méthode de calcul de la moyenne k, analyse en composantes principales, hyperparamètres typiques Méthode d'ajustement, recherche de grille, recherche aléatoire, optimisation bayésienne, indice d'évaluation typique de classification, taux de réponse correcte, taux de précision, taux de rappel, valeur F </ b>

Prochaine étape supplémentaire

Ce qui suit semble être bon si vous étudiez de manière appropriée en fonction du programme que vous souhaitez créer, donc l'ordre d'apprentissage sera probablement dans la seconde moitié au lieu de maintenant

Données d'image, réseau de neurones à convolution (CNN), algorithme de détection d'objets (R-CNN, YOLO, SSD, etc.), algorithme de segmentation sémantique, données de phrase, méthode d'extraction de caractéristiques de données de phrase (sac de mots, Word2Vec, etc.) , Algorithmes de traduction automatique (Seq2Seq, Attention, etc.)
Données chronologiques (1/1 du nombre de visiteurs correspond à des données contextuelles dans les données de 100 personnes) Réseau neuronal récursif (RNN, LSTM, GRU, etc.) Réseau de neurones convolutifs (CNN)
Données du tableau (données telles que décrites dans la feuille Excel) Ingénierie de la quantité de fonctionnalités Algorithmes d'apprentissage automatique en évolution (XGBoost, LightGBM, etc.) </ B>