Wcześniej uczestniczyłem w kursie ML, ale teraz, kiedy pracuję nad projektami związanymi z ML w mojej pracy, ciężko walczę o jego zastosowanie. Jestem pewien, że rzeczy, które robię, były wcześniej badane / zajmowane, ale nie mogę znaleźć konkretnych tematów.
Wszystkie przykłady uczenia maszynowego, które znajduję w Internecie, są bardzo proste (np. Jak używać modelu KMeansa w Pythonie i patrzeć na prognozy). Szukam dobrych zasobów, w jaki sposób je zastosować, i być może koduję przykłady wdrożeń uczenia maszynowego na dużą skalę i szkoleń modelowych. Chcę dowiedzieć się, jak skutecznie przetwarzać i tworzyć nowe dane, które mogą znacznie zwiększyć efektywność algorytmów ML.
źródło
Jedną z książek, które poleciłbym, jest Wprowadzenie do nauki statystycznej i można ją bezpłatnie pobrać. Ta książka jest łatwa do naśladowania dzięki ćwiczeniom w R. Kolejnym dobrym jest Zastosowanie modelowania predykcyjnego
źródło
Myślę, że lepiej byłoby śledzić przebieg niektórych konferencji związanych z uczeniem maszynowym . Takie konferencje zwykle zawierają ścieżki aplikacji, w których można znaleźć praktyczne zastosowania algorytmów uczenia maszynowego.
źródło
Zobacz listę zasobów tutaj: http://mlwhiz.com/blog/2017/03/26/top_data_science_resources_on_the_internet_right_now/
źródło