Quali sono alcune applicazioni di apprendimento automatico facili da imparare? [chiuso]

Essendo nuovo all'apprendimento automatico in generale, mi piacerebbe iniziare a giocare e vedere quali sono le possibilità.

Sono curioso di sapere quali applicazioni potresti raccomandare che offrano il tempo più veloce dall'installazione alla produzione di un risultato significativo.

Inoltre, saranno apprezzate tutte le raccomandazioni per buoni materiali introduttivi sull'argomento dell'apprendimento automatico in generale.

Consiglierei di iniziare con alcuni MOOC sull'apprendimento automatico. Ad esempio il corso di Andrew Ng al corso .

Dovresti anche dare un'occhiata all'applicazione Orange . Ha un'interfaccia grafica e probabilmente è più facile comprendere alcune tecniche ML che la utilizzano.

Ad essere sincero, penso che fare alcuni progetti ti insegnerà molto più che fare un corso completo. Uno dei motivi è che fare un progetto è più motivante e aperto che fare incarichi.

Un corso, se hai il tempo E la motivazione (motivazione reale), è meglio che fare un progetto. Gli altri commentatori hanno formulato buoni consigli sulla piattaforma tecnologica.

Penso che, dal punto di vista del progetto divertente, dovresti porre una domanda e far imparare a un computer a rispondere.

Alcune buone domande classiche che hanno buoni esempi sono:

• Reti neurali per il riconoscimento di cifre scritte a mano
• Classificazione delle e-mail di spam utilizzando la regressione logistica
• Classificazione degli oggetti usando i modelli di miscela gaussiana
• Un certo uso della regressione lineare, forse la previsione dei prezzi della spesa dato i quartieri

Questi progetti hanno fatto la matematica, fatto il codice e possono essere trovati facilmente con Google.

Altri argomenti interessanti possono essere fatti da te!

Infine, io cerco robotica, quindi per me le applicazioni più divertenti sono comportamentali. Gli esempi possono includere (se puoi giocare con un arduino)

Crea un'applicazione, che utilizza forse la regressione logistica, che impara a spegnere e riaccendere la ventola data la temperatura interna e lo stato della luce nella stanza.

Crea un'applicazione che insegna a un robot a muovere un attuatore, forse una ruota, in base all'ingresso del sensore (forse premendo un pulsante), usando i modelli di miscele gaussiane (imparando dalla dimostrazione).

Comunque, quelli sono piuttosto avanzati. Il punto che sto sottolineando è che se scegli un progetto che ti piace (davvero) e trascorri qualche settimana su di esso, imparerai molto e capirai molto di più di quello che otterrai.

Penso che Weka sia un buon punto di partenza. Puoi fare un sacco di cose come l'apprendimento supervisionato o il clustering e confrontare facilmente un ampio set di metodologie di algoritmi.

Il manuale di Weka è in realtà un libro sull'apprendimento automatico e il data mining che può essere utilizzato come materiale introduttivo.

Supponendo che tu abbia familiarità con la programmazione, ti consiglio di guardare scikit-learn . Ha pagine di aiuto particolarmente carine che possono fungere da mini tutorial / un breve tour attraverso l'apprendimento automatico. Scegli un'area che ritieni interessante e analizza gli esempi.

Ho trovato il corso di Pluralsight Introduzione all'encog di machine learning una grande risorsa, quindi inizia. Utilizza la libreria Encog per esplorare rapidamente diverse tecniche ml.

Se conosci già R Studio, il pacchetto di inserimento è un buon punto di partenza. Ecco alcuni tutorial:

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

Con R e il cursore puoi caricare e collegare facilmente set di dati, riduzione delle funzionalità, analisi dei componenti principali e formazione e previsione utilizzando vari algoritmi.

Se riesci a riprodurre la griglia di grafici 6x3 dal banner della pagina http://scikit-learn.org/, allora avrai imparato un po 'di ML e un po' di Python. Non hai menzionato una lingua. Python è abbastanza facile da imparare molto rapidamente e scikit-learn ha una vasta gamma di algoritmi implementati.

Quindi prova i tuoi dati!

Oltre ai corsi e ai tutorial pubblicati, suggerirei qualcosa di un po 'più "pratico": Kaggle ha alcune competizioni introduttive che potrebbero suscitare il tuo interesse (la maggior parte delle persone inizia con la competizione Titanic). E c'è una grande varietà di argomenti da esplorare e competere quando vuoi fare più esperienza.

Come menzionato in precedenza, le risposte comprendono le basi della ML seguendo i MOOC del Prof. Andrew Ng e "Learning From Data" del Prof. Yaser Abu-Mostafa.

R è il chiaro vincitore come lo strumento più utilizzato nelle competizioni Kaggle. (Non dimenticare di controllare le risorse sul wiki di Kaggle e sui forum)

Scopri di base R e Python. Pista Coursera 'Data Science' ha un corso introduttivo R . Quasi tutti gli algoritmi si trovano nelle librerie Python e R. Sentiti libero di usare gli algoritmi appresi in alcune competizioni kaggle. Come punto di partenza confrontare le prestazioni di diversi algoritmi sul set di dati Titanic e sul set di dati di riconoscimento cifre su Kaggle .

E continua a esercitarti su vari set di dati!