С чего начать изучать машинное обучение?

Question

[mt. NATS]

Прошу направить в нужном направлении!

Вводные данные: самоучка, поэтому есть пробелы в знаниях, в целом - php (до ООП, в частности до "фабрик") и js +/- на таком же уровне. Очень интересна тема ИИ, понимая, что php не совсем подходящий для этого язык, поэтому думаю сконцентрироваться на изучении node.js

Что я хочу понять на данном этапе:
- где и как правильно выбрать библиотеку для работы под конкретные задачи
- как работать с данными библиотеками

Что я хочу реализовать: в промо ролике яндекс о CatBoost в пример приводится предсказание погоды на основе анализа собранных ранее данных. Мне бы хотелось реализовать похожу модель на основе чисел и даты к которым они относятся. Т.е. всего два вида передаваемой информации - число и дата, но выборка достаточно большая.

С чего лучше начать?
На какую библиотеку обратить внимание?
И в целом, что можете посоветовать?

Спасибо!

Answer 1

[dmshar]

С чего начать изучать машинное обучение?

С того, что-бы открыть Google и ввести " машинное обучение, с чего начать". На первой-же странице ответов находим:
- ссылки на пол десятка статей-ответов на данный вопрос
- несколько ссылок на списки литературы, видеокурсов, онлайн курсов и просто сайтов, содержащих подробнейшие аннотации всего. Берите и выбирайте то, что вам по вкусу, интересам, имеющейся математической базы.
- ссылки на насколько научно-популярных порталов, посвященных машинному обучению.
- и - вот неодижанность - ссылка на Википедию, в которой есть чудесный "вводный курс" по теме и десятки - если не сотни- ссылок для углубления понимания.
Вообще информации столько, что впору задавать вопрос - что НЕ использовать, а не где найти информацию по МL.

понимая, что php не совсем подходящий для этого язык, поэтому думаю сконцентрироваться на изучении node.js

- ну, это тоже явно не то, что используется в области AI и ML. Но тут язык - это последний вопрос, какой надо решать. Потому как даже на PHP и JS уже есть библиотеки. Правда - не очень мощные, но это такое.

Мне бы хотелось реализовать похожу модель на основе чисел и даты к которым они относятся. Т.е. всего два вида передаваемой информации - число и дата, но выборка достаточно большая.

Эта задача из раздела статистики, который называется "анализ временнЫх рядов". Существует уже почти сто лет, и решается десятком разных методов. От линейной регрессии до LSTM-сетей. И начинать надо не с CatBoost или других новомодных инструментов, а с того, что-бы ознакомится с базой, набраться понимания того, как это все работает и главное - почему. А уж потом каким методом реализовывать ваш прогноз - определитесь играючи.

На какую библиотеку обратить внимание?

- Господи, да не на библиотеки надо внимание обращать, а на алгоритмы и методы. А библиотека - это только лишь технический инструмент их реализации. Начинать с библиотеки - это как врачу-хирургу начнать обучение с выбора модели скальпеля, которым он будет оперировать.

Ну и на последок - вот вам пару ссылок, что-бы далеко не ходить - прямо на темы этого же сайта, где аналогичный вопрос задавался несчетное количество раз. Читайте, думайте.
Путь data science. Как будет правильнее?
С чего начать изучение искусственного интеллекта?
Какие темы в математике необходимо знать, чтобы начать изучать машинное обучение?
Какие есть книги по нейронным сетям и ИИ?
Путь data science. Как будет правильнее?

Comments

[mt. NATS]

С того, что-бы открыть Google и ввести " машинное обучение, с чего начать". На первой-же странице ответов находим:
- ссылки на пол десятка статей-ответов на данный вопрос
- несколько ссылок на списки литературы, видеокурсов, онлайн курсов и просто сайтов, содержащих подробнейшие аннотации всего. Берите и выбирайте то, что вам по вкусу, интересам, имеющейся математической базы.
- ссылки на насколько научно-популярных порталов, посвященных машинному обучению.
- и - вот неодижанность - ссылка на Википедию, в которой есть чудесный "вводный курс" по теме и десятки - если не сотни- ссылок для углубления понимания.
Вообще информации столько, что впору задавать вопрос - что НЕ использовать, а не где найти информацию по МL.

в том-то и дело, что информации настолько много, что в ней просто теряешься!

Эта задача из раздела статистики, который называется "анализ временнЫх рядов". Существует уже почти сто лет, и решается десятком разных методов. От линейной регрессии до LSTM-сетей. И начинать надо не с CatBoost или других новомодных инструментов, а с того, что-бы ознакомится с базой, набраться понимания того, как это все работает и главное - почему. А уж потом каким методом реализовывать ваш прогноз - определитесь играючи.

вот это я учту, спасибо!

- Господи, да не на библиотеки надо внимание обращать, а на алгоритмы и методы. А библиотека - это только лишь технический инструмент их реализации. Начинать с библиотеки - это как врачу-хирургу начнать обучение с выбора модели скальпеля, которым он будет оперировать.

мне удобнее так, что я сперва что-то простое пробую ручками потрогать, потом когда сталкиваюсь с непониманием того или иного процесса - изучаю его и снова пробую... Что-то базовое я уже изучил, вы же не спрашиваете... Я прочитал немного статей, посмотрел немного обучающих видео, хочу попробовать что-то запустить, что в этом плохого?

Путь data science. Как будет правильнее?
С чего начать изучение искусственного интеллекта?
Какие темы в математике необходимо знать, чтобы начать изучать машинное обучение?
Какие есть книги по нейронным сетям и ИИ?
Путь data science. Как будет правильнее?

что-то я уже читал, но посмотрю еще раз, спасибо!

про CatBoost я упомянул для примера того, что хочу реализовать, и только!