Curs practic de machine learning in Python

machine-learning
python

(Adavidoaiei Dumitru-Cornel) #1

M-am uitat la urmatorul course de pe Coursera
Machine Learning Foundations: A Case Study Approach
week 1, tinut de persoane de la amazon, ei explica ca majoritatea disruptive companies ca si google, amazon, linkedin, etc au ca si core machine learning, cursul e foarte captivant fiindca porneste de la o serie de aplicatii reale ca si recommandation system pentru un magazin, prediction houses prices system, plus altele pe care le gasiti in cuprins curs, si apoi incearca sa le rezolve prin machine learning, daca ar fi inceput direct cu algoritmii de machine learning ar fi fost rupt de practica, plictisitor si greu de urmarit.

Cursul e tinut in Python ceea ce il face mai usor de digerat decat un curs in R, o introducere in Python se face si in curs, in general R e folosit pentru modelare, prototyping daca vrei sa expui un algoritm de machine learning ca web service de obicei il scrii in Java, Scala sau Python.

Cursul e platit mi-am facut un calcul ar ajunge la aproximativ 320 RON pe luna si tine 8 luni, puteti sa va faceti cont si sa va uitati la prima parte gratuit si sa vedeti daca va captiveaza.

O introducere in Python pentru curs puteti gasi si in urmatoarea carte free Python Succinctly

Un slide din curs cu prezentarea lui, scheme Machine Learning Specialization Welcome, dar dupa ce vezi video-urile totul e mult mai clar.

Edit: Un studiu de caz al unei firme care foloseste ca si core machine learning in domeniul display ads, in articol gasiti volumul de date cu care lucreaza, care e impresionant, tehnologiile folosite, si procedurile de lucru:

Edit 2: Un exemplu de capstone ce ar trebui construit la sfarsitul cursului de machine learning, capstone e un fel de proiect de final pentru absolvire care sa implementeze conceptele invatate, interesant

Edit 3: Cele mai multe aplicatii se concentreaza pe user experience dar nu pot fi considerate aplicatii inteligente, nu au un brain, de aceea multe dintre ele nu isi ating utilitatea si dispar de pe piata spre deosebire de gigantii care folosesc machine learning pentru a construi un brain pentru aplicatiile lor si invata din comportamentul userilor, aici se face diferenta, si aici imi vin in minte giganti google, facebook si mai nou si microsoft care se indreapta spre acest trend prin bing si cortana.

Disclaimer: Cursul se bazeaza pe un framework de machine learning care nu e open source GraphLab care e destul de expensiv pentru un hobby, startup desi e foarte puternic si folosit de compani foarte mari :frowning:


(Adavidoaiei Dumitru-Cornel) #2

Un curs practic de machine learning de la google in Python, se publica episoade la cateva saptamanii, episoadele sunt scurte de maxim 10 minute dar destul de interesante, eu mi-am facut un repository pe github in care am implementat ce am invatat din video-uri, ai ocazia sa folosesti o librarie in care sunt algoritmii de machine learning(scikit) dar si sa implementezi algoritmii de la 0.

Edit: Am implementat cunostintele din primele episoadele aparute pana acuma si am pus scripturile pe github https://github.com/adavidoaiei/Machine-Learning-scripts-scikit, de la ultimul episod incepe sa fie interesant, se implementeaza algoritmul K Near Neighborhood from scratch.

Si poate in timp comunitatea o sa devina mai interesata pe aceasta tema.


(Adavidoaiei Dumitru-Cornel) #3


(Stanciu Bogdan Mircea) #4

Eu am parcurs mare parte din asta, am prins reducerea de 90%. Chiar dacă nici în liceu, nici în facultate nu am studiat nimic legat de programare, tot am înțeles ceva din curs. Cu siguranță deschide noi oportunități și îmi aduce o perspectivă nouă asupra programării. Machine learning e tare.


(Adavidoaiei Dumitru-Cornel) #5

The Breakdown

I will be covering a total of 8 different machine learning algorithms (with more to come). Feel free to jump around or skip an algorithm if you’ve got it down. Use this guide however your heart desires. So without further ado, here’s how it’s broken down:

1. Linear Regression
2. Logistic Regression
3. Decision Trees
4. Support Vector Machines
5. K-Nearest Neighbors
6. Random Forests
7. K-Means Clustering
8. Principal Components Analysis

https://medium.freecodecamp.org/the-hitchhikers-guide-to-machine-learning-algorithms-in-python-bfad66adb378