মেশিন-লার্নিং অ্যাপ্লিকেশনগুলি শিখতে সহজ কিছু কী কী? [বন্ধ]


12

সাধারণভাবে মেশিন-লার্নিংয়ে নতুন হওয়ার কারণে, আমি চারপাশে খেলা শুরু করতে এবং সম্ভাবনাগুলি কী তা দেখতে চাই।

আপনি কী অ্যাপ্লিকেশনগুলির প্রস্তাব দিতে পারেন সে সম্পর্কে আমি আগ্রহী installation

এছাড়াও, সাধারণভাবে মেশিন-লার্নিংয়ের বিষয়ে ভাল উপার্জন শুরু করার উপকরণগুলির জন্য যে কোনও প্রস্তাবনা প্রশংসিত হবে।


অ্যান্ড্রু এনগের মাধ্যমে মেশিন লার্নিংয়ের পাশাপাশি আপনি কাগগলে ডেটা সায়েন্স সিগনেচার ট্র্যাকের কয়েকটি কোর্সের সাহায্যে চেষ্টা করতে পারেন practical এছাড়াও ব্যবহারিক মেশিন লার্নিং শেখার একটি দ্রুত উপায় হ'ল কাগল-এ মেশিন লার্নিং প্রতিযোগিতায় অংশ নেওয়া, কারণ এতে রয়েছে গাইড গাইড কীভাবে বৈশিষ্ট্য নির্বাচন, ডেটা মাগিং এবং বিল্ডিংয়ে চূড়ান্ত মডেলটি আর এবং পাইথনে করা যায় সে সম্পর্কে kaggle.com/c/titanic/details/getting-st
সূত্র-

উত্তর:


13

আমি মেশিন লার্নিংয়ের জন্য কিছু এমওইউসি দিয়ে শুরু করার পরামর্শ দেব। উদাহরণস্বরূপ কোর্সে অ্যান্ড্রু এনগের কোর্স

আপনার কমলা অ্যাপ্লিকেশনটিও একবার দেখে নেওয়া উচিত । এটির একটি গ্রাফিকাল ইন্টারফেস রয়েছে এবং সম্ভবত এটি ব্যবহার করে কিছু এমএল কৌশল বোঝা সহজ।


5
অ্যান্ড্রু এনজি কোর্সের জন্য +1। এটা খুব ভাল সম্পন্ন হয়।
টাইলারঅ্যান্ডফ্রেন্ডস

1
জন হপকিন্সের একটি ডেটা সায়েন্স সার্টিফিকেট ট্র্যাকও রয়েছে (9 টি ক্লাস) যা গত সপ্তাহে কোর্সেরায় শুরু হয়েছিল। কোর্স.আর । কোর্সেরা দুর্দান্ততায় পূর্ণ (এবং অ্যান্ড্রু এনজি একজন দুর্দান্ত প্রভাষক)।
স্টিভ কালেস্টেদ

11

সত্যি কথা বলতে, আমি মনে করি যে কিছু প্রকল্প করা আপনাকে সম্পূর্ণ কোর্স করার চেয়ে আরও অনেক কিছু শিখিয়ে দেবে। একটি কারণ হ'ল একটি প্রকল্প করা কার্যনির্বাহীকরণের চেয়ে বেশি প্রেরণাদায়ক এবং উন্মুক্ত।

অবশ্যই আপনার যদি সময় এবং প্রেরণা (আসল প্রেরণা) থাকে তবে কোনও প্রকল্প করার চেয়ে ভাল। অন্যান্য মন্তব্যকারীরা প্রযুক্তি সম্পর্কে ভাল প্ল্যাটফর্মের সুপারিশ করেছেন।

আমি মনে করি, একটি মজাদার প্রকল্পের দৃষ্টিকোণ থেকে আপনার একটি প্রশ্ন জিজ্ঞাসা করা উচিত এবং এর উত্তর দিতে শেখার জন্য একটি কম্পিউটার পাওয়া উচিত।

কয়েকটি ভাল ক্লাসিক প্রশ্নগুলির ভাল উদাহরণ রয়েছে:

  • হাতে লিখিত অঙ্কগুলি স্বীকৃতি দেওয়ার জন্য নিউরাল নেটওয়ার্কগুলি
  • লজিস্টিক রিগ্রেশন ব্যবহার করে স্প্যাম ইমেল শ্রেণিবিন্যাস
  • গাউসিয়ান মিশ্রণ মডেলগুলি ব্যবহার করে বস্তুর শ্রেণিবদ্ধকরণ
  • লিনিয়ার রিগ্রেশন কিছু ব্যবহার, আশেপাশের মুদি দামের পূর্বাভাস

এই প্রকল্পগুলি গণিত সম্পন্ন করেছে, কোড সম্পন্ন হয়েছে এবং গুগলের সাথে সহজেই খুঁজে পাওয়া যাবে।

অন্যান্য দুর্দান্ত বিষয়গুলি আপনার দ্বারা করা যেতে পারে!

সবশেষে, আমি রোবোটিকস নিয়ে গবেষণা করি, তাই আমার কাছে সবচেয়ে বেশি মজাদার অ্যাপ্লিকেশনগুলি আচরণগত। উদাহরণগুলির মধ্যে অন্তর্ভুক্ত থাকতে পারে (যদি আপনি একটি আরডুইনো দিয়ে খেলতে পারেন)

এমন একটি অ্যাপ্লিকেশন তৈরি করুন, যাতে সম্ভবত লজিস্টিক রিগ্রেশন ব্যবহার করা হয়, যা ফ্যানটি কখন বন্ধ করতে হয় এবং অভ্যন্তরীণ তাপমাত্রা দেওয়া হয় এবং রুমে আলোর অবস্থান জানায় learn

একটি অ্যাপ্লিকেশন তৈরি করুন যা গৌসীয় মিশ্রণ মডেলগুলি (বিক্ষোভ থেকে শেখা) ব্যবহার করে সেন্সর ইনপুট (সম্ভবত একটি বোতাম টিপুন) এর উপর ভিত্তি করে একজন অ্যাকিউটরেটর, সম্ভবত একটি চাকা চালিত করতে একটি রোবটকে শিক্ষা দেয়।

যাইহোক, সেগুলি বেশ উন্নত। আমি যে বক্তব্যটি করছি তা হ'ল যদি আপনি এমন কোনও প্রকল্প বেছে নেন যা আপনার (সত্যই সত্য) পছন্দ হয় এবং এটিতে কয়েক সপ্তাহ ব্যয় করেন তবে আপনি প্রচুর পরিমাণে শিখতে পারবেন এবং কয়েকটি অ্যাসাইনমেন্ট করার চেয়ে আরও অনেক কিছু বুঝতে পারবেন।


5

আমার মনে হয় ওয়েকা একটি ভাল সূচনা পয়েন্ট। আপনি তত্ত্বাবধানে পড়াশুনা বা ক্লাস্টারিংয়ের মতো কয়েকটি গুছা করতে পারেন এবং সহজেই অ্যালগরিদম না পদ্ধতিগুলির একটি বৃহত সেট তুলনা করতে পারেন।

ওয়েকার ম্যানুয়ালটি আসলে মেশিন লার্নিং এবং ডেটা মাইনিং সম্পর্কিত একটি বই যা প্রবর্তনীয় উপাদান হিসাবে ব্যবহার করা যেতে পারে।


2

আপনি প্রোগ্রামিংয়ের সাথে পরিচিত বলে ধরে নিচ্ছি আমি বিজ্ঞান-বিজ্ঞানের দিকে নজর দেওয়ার পরামর্শ দেব । এটিতে বিশেষত দুর্দান্ত সহায়তা পৃষ্ঠা রয়েছে যা মেশিন লার্নিংয়ের মাধ্যমে মিনি-টিউটোরিয়ালস / দ্রুত সফর হিসাবে পরিবেশন করতে পারে। একটি আকর্ষণীয় জায়গা বেছে নিন এবং উদাহরণগুলির মাধ্যমে কাজ করুন।


2

আমি বহুবর্ষের কোর্সের পরিচয় পেয়েছি মেশিন লার্নিংয়ের পরিচিতি একটি দুর্দান্ত উত্স, তাই দিয়ে শুরু করুন। এটি বিভিন্ন মিলি কৌশলগুলি দ্রুত অন্বেষণ করতে এনকোগ লাইব্রেরি ব্যবহার করে ।


2

আপনি যদি ইতিমধ্যে আর স্টুডিও জানেন তবে ক্যারেট প্যাকেজটি শুরু করার জন্য ভাল জায়গা। এখানে কিছু টিউটোরিয়াল রয়েছে:

  1. https://class.coursera.org/predmachlearn-002
  2. http://caret.r-forge.r-project.org/index.html

আর ও ক্যারেটের সাহায্যে আপনি সহজেই ডেটা সেটগুলি, বৈশিষ্ট্য হ্রাস, মূল উপাদান বিশ্লেষণ, এবং বিভিন্ন অ্যালগরিদম ব্যবহার করে প্রশিক্ষণ এবং ভবিষ্যদ্বাণী করতে পারেন load


2

আপনি যদি http://scikit-learn.org/ পৃষ্ঠার ব্যানার থেকে গ্রাফগুলির 6x3 গ্রিডটি পুনরায় উত্পাদন করতে পারেন তবে আপনি কিছু এমএল এবং কিছু পাইথন শিখতে পারবেন। আপনি কোনও ভাষার কথা উল্লেখ করেন নি। পাইথন খুব দ্রুত শিখতে যথেষ্ট সহজ, এবং সাইকিট-শিখার বিস্তৃত অ্যালগরিদম প্রয়োগ করা হয়েছে।

তারপরে আপনার নিজের ডেটা চেষ্টা করুন!


1

পোস্ট করা কোর্স এবং টিউটোরিয়ালগুলি ছাড়াও, আমি আরও কিছু 'হ্যান্ড অন' রাখার পরামর্শ দেব : কাগল এর কিছু প্রারম্ভিক প্রতিযোগিতা রয়েছে যা আপনার আগ্রহকে আকর্ষণ করতে পারে (বেশিরভাগ লোক টাইটানিক প্রতিযোগিতা দিয়ে শুরু করে)। এবং যখন আপনি আরও অভিজ্ঞতা পেতে চান তখন প্রতিযোগিতা করার জন্য বিভিন্ন ধরণের বিষয় রয়েছে।


1

উপরের উত্তরে উল্লিখিত হিসাবে অধ্যাপক এন্ড্রু এনজি দ্বারা এমওওসি অনুসরণ করে এবং অধ্যাপক ইয়াসির আবু-মোস্তফা দ্বারা 'লার্নিং ফর্ম ডেটা' অনুসরণ করে এমএল এর মূল বিষয়গুলি উপলব্ধি করা হয়েছে ।

আর হল স্পষ্ট বিজয়ী Kaggle প্রতিযোগিতায় সবচেয়ে ব্যবহৃত হাতিয়ার হিসেবে। (কাগল উইকি এবং ফোরামের সংস্থানগুলি পরীক্ষা করতে ভুলবেন না)

বেসিক আর এবং পাইথন শিখুন। কোর্সেরা 'ডেটা সায়েন্স' ট্র্যাকের একটি প্রারম্ভিক আর কোর্স রয়েছে । পাইথন এবং আর লাইব্রেরিতে প্রায় সমস্ত অ্যালগরিদম পাওয়া যায়। অল্প অল্প কাগল প্রতিযোগিতায় আপনি শিখেছেন সেই অ্যালগরিদমগুলি নির্দ্বিধায় ব্যবহার করুন। শুরুর পয়েন্ট হিসাবে টাইটানিক ডেটাসেটে এবং অবিচ্ছিন্নভাবে ডিগ্রি সনাক্তকারী ডেটাসেটের কাগজটিতে বেশ কয়েকটি অ্যালগরিদমের পারফরম্যান্সের তুলনা করুন ।

এবং বিভিন্ন ডেটাসেটে অনুশীলন চালিয়ে যান!

আমাদের সাইট ব্যবহার করে, আপনি স্বীকার করেছেন যে আপনি আমাদের কুকি নীতি এবং গোপনীয়তা নীতিটি পড়েছেন এবং বুঝতে পেরেছেন ।
Licensed under cc by-sa 3.0 with attribution required.