Сочинение на тему Навыки машинного обучения
- Опубликовано: 26.08.2020
- Предмет: Информационная наука, образование
- Темы: Компьютерное программирование, Обучение
Python / C ++ / R / Java: если вам нужна работа в области машинного обучения, вам, вероятно, придется изучить все эти языки в какой-то момент.
C ++ может помочь в ускорении кода. R отлично работает в области статистики и графиков, а Hadoop основан на Java, поэтому вам, вероятно, потребуется реализовать средства отображения и редукторы в Java.
Вероятность и статистика. Теории помогают узнать об алгоритмах. Отличными образцами являются наивные байесовские, гауссовские модели смесей и скрытые марковские модели. Вам нужно иметь четкое понимание вероятности и статистики, чтобы понять эти модели. Офигеть и изучить теорию меры. Использовать статистику в качестве метрики оценки модели: матрицы путаницы, кривые оператора-получателя, p-значения и т. Д.
Прикладная математика и алгоритмы. Имея четкое понимание теории алгоритмов и зная, как работает алгоритм, вы также можете различать такие модели, как SVM. Вам нужно будет разобраться с такими предметами, как приличный градиент, выпуклая оптимизация, лагранжиан, квадратичное программирование, уравнения в частных производных и тому подобное. Кроме того, привыкнуть к просмотру суммирования.
Распределенные вычисления. В большинстве случаев задания по машинному обучению в настоящее время подразумевают работу с большими наборами данных. Вы не можете обрабатывать эти данные на одном компьютере, вам нужно распределить их по всему кластеру. Такие проекты, как Apache Hadoop, и облачные сервисы, такие как Amazon EC2, делают его более простым и экономичным.
Расширение опыта в инструментах Unix: Вы также должны освоить все замечательные инструменты Unix, которые были разработаны для этого: cat, grep, find, awk, sed, sort, cut, tr и другие. Поскольку вся обработка, скорее всего, будет происходить на компьютере под управлением Linux, вам необходим доступ к этим инструментам. Изучите их функции и используйте их хорошо. Они, безусловно, сделали мою жизнь намного проще.
Узнайте больше о методах расширенной обработки сигналов. Извлечение функций – одна из самых важных частей машинного обучения. Разные типы проблем нуждаются в различных решениях, вы можете использовать действительно классные алгоритмы обработки сигналов, такие как: вейвлеты, shearlets, кривые, контуры, bandlets. Узнайте о частотно-временном анализе и попытайтесь применить его к своим проблемам. Если вы еще не читали о Фурье-анализе и свертке, вам нужно будет также узнать об этом материале. Лестница обрабатывает 101 сигнал, хотя.
Другие навыки:
- Обновляйте себя: вы должны быть в курсе любых предстоящих изменений. Это также означает, что нужно быть в курсе новостей о разработке инструментов (журнал изменений, конференции и т. Д.), Теории и алгоритмов (исследовательские работы, блоги, видео с конференций и т. Д.). Интернет-сообщество быстро меняется. Ожидайте и развивайте это изменение.
- Много читайте: читайте такие статьи, как Google Map-Reduce, Файловая система Google, Google Big Table, Необоснованная эффективность данных. В Интернете есть отличные бесплатные книги по машинному обучению, и вы должны прочитать их.
Если взглянуть на школы в Ричмонде, штат Калифорния, и сравнить их со школами в Конкорде, штат Калифорния, можно увидеть огромную разницу. Мало того, что жилой
Преподавание существительных в важной области интересов в преподавании английского языка, которая всегда привлекала мое внимание и внимание моих учеников. Это обширная область, которая может связать
В графическом романе Элисон Бешдель «Веселый дом» она рассказывает о своей семье, но больше о своих отношениях с отцом. Она изображает своего отца эмоционально разъединенным