J'ai déjà suivi un cours de ML, mais maintenant que je travaille avec des projets liés au ML dans mon travail, j'ai beaucoup de mal à l'appliquer. Je suis sûr que les trucs que je fais ont déjà fait l'objet de recherches / traités, mais je ne trouve pas de sujets spécifiques.
Tous les exemples d'apprentissage automatique que je trouve en ligne sont très simples (par exemple, comment utiliser un modèle KMeans en Python et regarder les prédictions). Je suis à la recherche de bonnes ressources sur la façon de les appliquer, et peut-être de coder des exemples d'implémentations d'apprentissage à grande échelle et de formations de modèles. Je veux savoir comment traiter efficacement et créer de nouvelles données qui peuvent rendre les algorithmes ML beaucoup plus efficaces.
la source
L'un des livres que je recommanderais est Introduction à l'apprentissage statistique et il est gratuit à télécharger. Ce livre est facile à suivre avec des exercices en R. Un autre bon est la modélisation prédictive appliquée
la source
Je pense qu'il serait préférable de suivre les actes de certaines conférences liées à l'apprentissage automatique . De telles conférences ont généralement des pistes d'application, où vous pouvez trouver des applications pratiques d'algorithmes d'apprentissage automatique.
la source
Voir une liste de ressources ici: http://mlwhiz.com/blog/2017/03/26/top_data_science_resources_on_the_internet_right_now/
la source