방학 초보자 연습 Ph

파이썬 기계 학습은 초보자 연습에 적합한 프로젝트인데, 연습을 마치면 핍박이다!

파이썬 기계 학습

아무리 많은 이론이라도 실천을 대신할 수는 없다.

교과서와 수업은 자료가 눈앞에 있기 때문에 자신이 매우 능숙하다고 느끼게 할 수 있다. (윌리엄 셰익스피어, 햄릿, 공부명언)

하지만 그것을 적용하려고 할 때, 보기보다 더 어렵다는 것을 알 수 있을 것이다. (존 F. 케네디, 공부명언) 하지만

프로젝트는 응용 프로그램의 ML 기술을 빠르게 향상시키는 데 도움이 되며, 동시에 소유할 수 있게 해준다. (윌리엄 셰익스피어, 템플릿, 프로젝트명언)

재미있는 화제를 탐구할 기회.

또한 투자 포트폴리오에 프로젝트를 추가하여 쉽게 할 수 있습니다.

쉽게 일자리를 찾고, 멋진 직업 기회를 찾고, 더 높은 임금을 협상할 수도 있다.

1, 기계 학습 글래디에이터

우리는 친절하게 그것을' 기계 학습 글래디에이터' 라고 불렀지만, 이것은 결코 신선하지 않다.

이것은 기계 학습을 중심으로 실용적인 직관을 구축하는 가장 빠른 방법 중 하나이다.

목표는 바로 사용 가능한 모델을 사용하여 다른 데이터 세트에 적용하는 것입니다.

이 프로젝트는 훌륭합니다. 세 가지 주요 이유가 있습니다.

먼저, 너는 문제를 이용하여 모형을 맞추는 직관을 세울 것이다. 누락된 모델 쌍

데이터가 안정적입니까? 분류 피쳐를 잘 처리할 수 있는 모형은 무엇입니까? 이다

네, 교과서를 뒤져 답을 찾을 수 있지만, 실제 조작을 통해 할 수 있습니다.

너는 더 잘 배울 것이다.

파이썬 기계 학습

둘째, 이 프로젝트는 빠른 성형의 귀중한 기술을 가르쳐 줄 것이다. 사실

이 세상에서, 간단하게 시도하지 않으면, 일반적으로 어떤 모델을 사용하는지 알기가 어렵다.

최상의 성능.

마지막으로 이 연습은 모형 구성의 작업 흐름을 파악하는 데 도움이 됩니다. 예를 들면

너는 연습을 시작할 것이다 ...

데이터를 정리하다

교육/테스트 또는 상호 검증 세트로 나눕니다.

사전 처리

변경

특색 공사

즉시 사용 가능한 모델을 사용하게 되므로 이를 연마하는 데 집중할 수 있습니다.

몇 가지 중요한 단계.

자세한 내용은 sk learn(Python) 또는 caret(R) 설명서 페이지를 참조하십시오.

。 회귀, 분류 및 클러스터링 알고리즘을 연습해야 합니다.

자습서:

파이썬: 공식 자습서 파이썬: sk learn-sk learn 패키지.

Sci kit-Learn 을 사용하여 와인 품질 예측-기계 학습 모델 교육

유형에 대한 단계별 자습서

파이썬 기계 학습

R:CARET- caret 패키지 작성자가 제공한 웹 세미나.

데이터 소스

UCI 기계 학습 기술 자료-350 개 이상의 검색 가능한 데이터 세트

거의 모든 화제. 너는 반드시 네가 관심 있는 데이터 세트를 찾을 것이다.

Kaggle 데이터 세트 -ka ggle 커뮤니티가 100 개 이상의 데이터 세트를 업로드했습니다.

포켓몬 고난장을 포함한 매우 흥미로운 데이터 세트가 있습니다.

산티아고의 타코 롤.

Data. gov- 미국 정부가 발표한 오픈 데이터 세트입니다. 클럽에 관심이 있다면

과학에 관심이 있다면 가서 볼 수 있습니다.

2. 돈공을 연기하다

"돈나무" 라는 책에는 초보자에게 재미있는 것들이 많다.

기계 학습 프로그램. 예를 들어, 시도해 볼 수 있습니다. ...

스포츠 게임 ... 매번 새 게임이 시작되기 전에 기존 데이터를 기준으로 상자 점수를 예측합니다.

분.

스카우트 ... 대학의 통계로 어떤 선수가 있을 것인지를 예측하다.

최고의 직업.

파이썬 기계 학습

종합경영 ...... 자신의 장점에 따라 플레이어 클러스터를 만들고, 하나를 세우다.

전면적인 팀.

스포츠도 실천 데이터 시각화와 탐구성 분석의 훌륭한 영역이다. 넌 할 수 있어

이러한 기술을 사용하여 결정을 돕습니다.

데이터.

데이터 소스

스포츠 통계 데이터베이스-스포츠 통계 및 역사 데이터, 많은 포함

프로 스포츠와 일부 대학 스포츠. 깨끗한 인터페이스로 웹 페이지를 쉽게 잡을 수 있습니다.

스포츠 참고 자료-또 다른 스포츠 통계 데이터베이스. 인터페이스가 비교적 잡다하다

혼란스럽지만 개별 테이블을 CSV 파일로 내보낼 수 있습니다.

Cricsheet 국제 및 IPL 크리켓 경기의 공 별 데이터. 제공

IPL 및 T 20 국제 대회 CSV 파일.

3. 주가를 예측합니다

금융에 관심이 있는 어떤 데이터 과학자에게 주식시장은 설탕과 같다.

과일 천국.

첫째, 선택할 수있는 많은 유형의 데이터가 있습니다. 가격, 기본을 찾을 수 있습니다.

면, 글로벌 거시경제지표, 변동지수 등. 헤아릴 수 없이 많다.

둘째, 데이터는 매우 상세할 수 있습니다. 매일 (심지어) 각 회사의 정보를 쉽게 얻을 수 있습니다

분당 정확함) 을 통해 거래 전략을 창의적으로 생각할 수 있습니다.

파이썬 기계 학습

마지막으로, 금융 시장에는 보통 짧은 피드백 기간이 있다. 따라서 다음을 수행할 수 있습니다

새로운 데이터에 대한 예측을 신속하게 검증합니다.

초보자를 위해 시도해 볼 수 있는 기계 학습 프로그램의 몇 가지 예는 다음과 같습니다.

가치 투자 정량화 ... 회사의 일사분기 신문의 기본면 지표를 기초로 하다.

6 개월 가격 추세.

예측 ... 암시적 변동률과 실제 변동률 간의 차이에 기반을 두고 있습니다.

시계열 모델, 심지어 순환 신경망.

통계 차익 거래 ... 가격 추세와 기타 요인에 따라 비슷한 주식을 찾다.

, 그리고 가격 차이의 기간을 찾으십시오.

명백한 면책 조항: 기계 학습을 연습하기 위한 거래 모델을 만드는 것은 쉽다.

그들을 수익성있게 만드는 것은 매우 어렵습니다. 여기에는 재정적 제안이 없습니다.

진금과 은을 거래하는 것을 권장하지 않는다.

학습 과정

파이썬: sklearnforinvesting-기계 학습을 투자에 적용

유튜브 비디오 시리즈.

R: r 로 거래 정량화-r 로 금융 정량화.

상세한 수업 노트.

데이터 소스

파이썬 기계 학습

Quandl- 무료 (및 고품질) 금융 및 경제 데이터를 제공하는 데이터 시장입니다.

필드. 예를 들어, 3000 개 이상의 미국 회사의 일말 주식을 대량으로 다운로드할 수 있습니다.

미국 연방 준비 제도 이사회 운임 또는 경제 데이터.

금융 커뮤니티를 정량화하고 무료 거래 알고리즘 개발을 제공합니다.

플랫폼. 데이터 세트를 포함합니다.

미국 재단 파일-5,000 개 이상의 미국 회사 5 년

기초데이터.

4. 신경망에게 필적을 읽도록 가르치다.

신경망과 심도 있는 학습은 현대 인공지능의 두 가지 성공 사례이다. 그것은

과학자들은 이미 이미지 인식, 자동 텍스트 생성, 심지어 자동차 자동 운전 방면에서 성과를 거두었다.

이미 중대한 진전을 이루었다.

이 흥미진진한 분야에 발을 들여놓으려면, 너는 관리 가능한 데이터 세트로 시작해야 한다.

시작합시다.

NIST 필기 디지털 분류 챌린지는 고전적인 진입점이다. 이미지 데이터 통신

일반적으로 "평면" 관계형 데이터보다 처리하기가 더 어렵습니다. 미네스트 데이터는 초보자에게 매우 유용하다.

컴퓨터에 설치할 수 있을 만큼 우호적이고 작다.

필기 인식은 너에게 도전할 수 있지만, 높은 컴퓨팅 능력은 필요하지 않다.

먼저 다음 자습서의 첫 번째 장을 사용하는 것이 좋습니다. 그것은 너에게 어떻게 하는지 가르쳐 줄 것이다.

처음부터 신경망을 구축하여 M NIST 의 문제를 정밀하게 해결합니다.

파이썬 기계 학습

학습 과정

신경망 및 심층 학습 (온라인 서적)-제 1 장에서는 사용 방법에 대해 설명합니다.

파이썬 (Python) 에서는 0 부터 신경 네트워크를 작성하여 M. NIST 의 숫자를 입력합니다.

선 분류. 신경 네트워크 뒤의 직관에 대해서도 저자도 좋은 설명을 했다.

데이터 소스

Mnist-mnist 는 미국 국가표준기술연구소에서 수집한 두 개의 숫자입니다.

데이터 세트의 수정된 하위 세트입니다. 여기에는 레이블이 붙은 70,000 장의 손으로 쓴 디지털 이미지가 포함되어 있습니다.

5. 엔론을 조사하다

학습 항목 예

예외 감지 ... 시간별로 e-메일의 분포도를 그려 받고 검사를 시도합니다.

공공 스캔들로 이어지는 비정상적인 행동을 발견하다.

소셜 네트워크 분석 ... 직원들에게 네트워크 맵 모델을 구축하여 주요 영향 요인을 파악합니다.

누구.

자연어 처리 ... e-메일 메타데이터와 함께 텍스트 메시지를 분석하여 다음을 수행합니다

메일의 목적은 메일을 분류하는 것이다.

데이터 소스

엔론 이메일 데이터 세트-CMU 가 주관하는 엔론 이메일 상점입니다.

서류.

엔론 데이터 설명 (PDF)- 엔론 이메일 데이터에 대한 탐색 분석은

기초를 잘 다져줄게.