Машинное обучение Python и наука о данных — серия 101
Эйииии!!!
Я знаю, я знаю, есть много блогов на эту тему. Но разве это не значит, что это действительно одна из горячих точек?
Итак, позвольте мне представить эту серию с полным руководством по Python и науке о данных. Давайте рассмотрим требования здесь -
Требования
- Необходимы предварительные знания по основам Python (но даже не по математике и статистике). Мы начинаем с самых основ математики и статистики.
- Компьютер (Linux/Windows/Mac) с подключением к Интернету.
Дорожная карта важных тем обучения для Data-Scientist
- Что такое машинное обучение. Базовое понимание машинного обучения на очень распространенном языке, который вы сможете объяснить пятилетнему ребенку.
- Структуры машинного обучения и обработки данных. Все основные операции по очистке и обработке данных на начальном этапе машинного обучения.
- Требование к настройке среды обработки данных — это будет сделано для MAC/Windows и Linux.
- Pandas — библиотека Python, очень важная для ML и Data-Science. Это касается импорта данных и манипулирования ими.
- Numpy — еще одна важная библиотека Python, работающая с массивами.
- Matplotlib — библиотека Python, используемая для визуализации данных и построения графиков.
- Scikit-Learn — библиотека Python для создания моделей машинного обучения.
- Инженерия данных. Краткое понимание этой темы, связанной с python, действительно полезно иметь.
- Нейронные сети. Это сложная, но необходимая концепция.
- Проекты из реальной жизни — Необходимо применить все изученные выше концепции для достижения чего-то практического.
Вы можете продолжить и изучить эти темы, проведя самостоятельное исследование, или дождаться моего блога каждое «воскресенье» с реальными проблемами, с которыми я столкнулся, и простым способом запомнить концепцию, которую я, возможно, применил. . Или лучше всего, может сделать оба.
Так что до грядущего воскресенья, пока!!! И счастливого обучения….
