Ранее я проходил курс ML, но теперь, когда я работаю над проектами, связанными с ML, я изо всех сил стараюсь его применить. Я уверен, что то, чем я занимаюсь, было исследовано / изучено ранее, но я не могу найти конкретные темы.
Все примеры машинного обучения, которые я нахожу в Интернете, очень просты (например, как использовать модель KMeans в Python и посмотреть на прогнозы). Я ищу хорошие ресурсы о том, как на самом деле применять их, и, возможно, примеры кода крупномасштабных реализаций машинного обучения и обучения модели. Я хочу узнать о том, как эффективно обрабатывать и создавать новые данные, которые могут сделать алгоритмы ML намного более эффективными.
machine-learning
references
train
application
Stoneman
источник
источник
Одна из книг, которую я бы порекомендовал, - « Введение в статистическое обучение», которую можно бесплатно скачать. За этой книгой легко следовать упражнениям на R. Другая хорошая книга - Прикладное прогнозирующее моделирование.
источник
Я думаю, что было бы лучше следить за работой некоторых конференций, связанных с машинным обучением . Такие конференции обычно имеют дорожки приложений, где вы можете найти практические применения алгоритмов машинного обучения.
источник
См. Список ресурсов здесь: http://mlwhiz.com/blog/2017/03/26/top_data_science_resources_on_the_internet_right_now/
источник