기계학습 초보자에 대한 추천 교재(애니메이션편)
구체적으로 말하면
・UDemy
・Coursera(machine learning)
두 개를 겪었기 때문에 각각 관련 보고를 했다.
저는 Udemy에서 강좌를 많이 봤기 때문에 따로 논평을 하겠습니다.
겸사겸사 말씀드리지만, 이것은 제가 간 강좌 일람표입니다.
그럼 일단 Udemy부터 보고 싶어요.나는 또 다른 몇 개의 동영상을 보았는데, 그중에서도 추천할 것을 골라 설명할 것이다.
Udemy
온라인으로 받을 수 있는 수업입니다.가격으로 볼 때 평상시에는 노선당 12000엔이 비싸다고 생각할 수 있지만 큰 세일이 특히 많은 것이 특징이며, 큰 세일 기간에는 가격이 매우 웃으며 일주일에 한 번 싸게 변하는 것이다.
[흐름] 인공지능・기계학습 탈블랙박스 강좌-초급편-
이 강좌는'수학을 잘 못하는 사람'을 위한 강좌다.구체적인 수평감으로 말하자면'대학에서 이과를 3C까지 마쳤다'는 사람에게는 부족한 내용이지만 문과인이나 이과를 추천하지만 대학에서 수학을 잘 하지 않는 사람에게는 추천한다.
정말 수학을 못하는 사람에게는 고등학교 기초 수준부터 수학을 가르치는 것이 추천할 만한 애니메이션이다.
그나저나 국립 문과라서 3C의 상태를 잘 모르겠지만 처음에는 부족하다고 생각했지만 중도부터 볼 만한 내용이었다.
자세한 내용은 여기를 보십시오.
[흐름] 인공지능・기계학습 탈블랙박스 강좌-초급편-
[흐름] 인공지능・기계학습 탈블랙박스 강좌-중급편-
이것은 앞에서 언급한 강사의 진일보한 강좌다.초급편은 단회귀분석만 진행했고 중급편부터 중회귀분석까지 모두 논리와 조립되었다.수학을 못하는 사람은 초급편을 통과하기만 하면 그렇게 붐비지 않는다.
여기서 주의해야 할 것은 이 두 과정이 우리에게 가르치는 기계 학습 모델은'선형 회귀'라고 불리는 것이 가장 기초적이고 감각적으로 이해하기 쉽지만 그것만으로는 아직 멀었다.다른 모델도 많기 때문에 기계학습의 전처리와 모델 등을 배우고 싶은 사람에게는 그다지 추천하지 않는다.
자세한 내용은 여기를 보십시오.
[흐름] 인공지능・기계학습 탈블랙박스 강좌-중급편-
[전 세계에서 5만 명이 수강] 파이썬 데이터 과학을 실천하세요.
이것은 다른 Udemy 강좌보다 양이 훨씬 많고 솔직히 성가가 가장 좋은 강좌이다.데이터를 분석하는 방법을 많이 배울 수 있다.그러나 기계 학습에 있어 중대한 단점이 있다. 바로'실제 기계 학습에 대한 설명이 많지 않다'는 것이다.즉, 데이터를 보고 분석하고 가시화하며 관련을 보고 만지작거리지만 실제로는 기계학습을 하지 않는다는 것이다.따라서 이를 목적으로 하는 사람도 다른 것을 볼 수 있다.
이 강좌는numpy와pandas 등의 해설이 많지만,python을 전혀 건드리지 않은 사람에게는 그다지 추천하지 않는다.하지만 "데이터 분석을 배우고 싶어요!"이런 분들에게는 아주 추천합니다.
자세한 내용은 여기를 보십시오.
[세계 18만 명 수강] Python 데이터 과학 실천
여러분의 AI 강좌는 Python에서 인공지능과 머신러닝을 시작합니다.
이것도'Python 데이터 과학 실천'보다 못하지만 양은 매우 크다.이 강좌는 1부터python의 환경 구축과 문법을 시작했고 실제로python으로도 신경 네트워크 구축을 진행했다.이 강좌의 장점은 실제적으로 sklearn이라는 프로그램 라이브러리(기계학습이 가장 쉬운 프로그램 라이브러리)를 이용하여 여러 종류의 모델(랜덤 숲, SVM 등)을 훈련시키는 것이다.따라서 실제로 기계를 배우는 사람에게는 매우 추천된다.
자세한 내용은 여기를 보십시오.
여러분의 AI 강좌는 Python에서 인공지능과 머신러닝을 시작합니다.
여기까지는 Udemy의 강좌를 소개했고, 이어서 Coursera의 강좌를 소개합니다.
coursera가 뭐예요?
coursera는 해외 유명 대학 강좌를 동영상으로 많이 배울 수 있는 서비스다.많은 것들이 영어 수업이지만 자막이 있다.또 물건에 따라 모두 무료로 공부할 수 있다.
Machine Learning
솔직히 말하면, "기계학습 자체를 체계적으로 배우고 싶다!"이렇게 생각하면 이걸 제일 추천해요.양은 압도적으로 많지만 공짜로 받을 수 있고 수학을 못하는 사람도 자세히 설명한다.데이터 처리 아이디어 등도 망라됐다.또 시험은 7주 동안 치러져 따로 갈 수 없으면 다시 갈 수 없다.
단지 두 가지 심각한 결점만 있다
자막은 있지만 전부 영어입니다
・ 사용하는 언어는 Matlab or Octave (최근에는 머신러닝에서 사용되지 않음)
그러나 언어는 계산용이고 문법도 특별한 기억이 없기 때문에 영어를 할 줄 아는 사람이라면 이것을 하고python의 기계학습은 다른 방법으로 보충하는 것을 권장한다.또 영어를 못하는 사람은 자막이 있는 것 외에 시험에 구글 번역을 모두 입력하면 어쩔 수 없이 웃는다
Deep learning
초보자의 갑작스러운 착수는 어렵지만 심층학습을 하고 싶은 사람에게는 추천할 만하다.하지만 이는 한 달에 4000엔이 넘는 돈을 쓰는 것을 제외하고는 자막의 일본어까지 3할 안팎에 불과해 영어를 못하면 내용이 엄격하다.
총결산
기계학습 초보자는'Python 데이터 과학 실천'에서 python과pandas,matplotlib,pandas를 배우고 Machine learning을 배우며 마지막으로 실제 책 등으로 공부하는 것을 추천합니다.
또는 수학을 잘하지 못하면 인공지능, 기계학습을 이용해 블랙박스 강좌를 할 수 있다.그리고 영어를 못하는 사람들은 Machine learning을 대신해 여러분의 AI 강좌 제로부터 Python의 인공지능과 머신러닝을 배우고 책을 읽을 수 있습니다.
또한python을 전혀 접하지 못해 불안하다면progate로python을 터치하는 것도 방법이겠죠.
가장 권장되는 프로세스
(Progate)
↓
Python 데이터 과학 실천
↓
machine learning
↓
책(Python에서 시작한 머신러닝-scikit-learn 학습의 특징량 공학과 머신러닝의 기초 등 추천)
↓
Kaggle 도전!
Reference
이 문제에 관하여(기계학습 초보자에 대한 추천 교재(애니메이션편)), 우리는 이곳에서 더 많은 자료를 발견하고 링크를 클릭하여 보았다 https://qiita.com/Falcon__0904/items/c8051baa0f7b0ec681a1텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.
우수한 개발자 콘텐츠 발견에 전념 (Collection and Share based on the CC Protocol.)