Building Machine Learning Systems with Python

Expand your Python knowledge and learn all about machine-learning libraries in this user-friendly guide! Packed with 290 pages of best practices, tutorials, and more Building Machine Learning system with Python shows you exactly how to find patterns through raw data. The book starts by brushing up on your Python ML knowledge and introducing libraries, and then moves on to more serious projects on datasets, Modelling, Recommendations,
źródło: comment_ugqpIMnIUdrIqRqRLevY4VHfArH9FBHN.jpg
@venomik @damianbeat: Znam gościa, który się tym zajmuje. Sam nie jestem 'zawodowym' testerem, ale tak na 'oko' to się niczym nie różni. Gość generalnie sprawdza wydajność kodu w różnych konfiguracjach plus czy wogóle np. sieć neuronowa się uczy (np. poprzez sprawdzanie na jakims typowym zbirze danych uzywanym w publikacjach naukowaych (np. Cifar). Ponadto dogadał się z programisatmi co powinno być sprawdzane. Ma on wiedzę (chyba) podstawową co do tego jak
Szeregi czasowe są ważnym aspektem wielu gałęzi nauki i reprezentują:
- krzywe blasku ilustrujące zmiany jasności gwiazd w czasie
- krzywe EEG pozwalające na analizę funkcji mózgu
- zmiany kursów akcji na rynku

Przygotowanie szeregów czasowych tak by można było je wykorzystać w algorytmach uczenia maszynowego wymaga dodatkowych nakładów pracy:
- badane zjawisko jest często nierównomiernie próbkowane przez co nie da się wykorzystać szybkiej transformaty Fouriera (trzeba się ratować Lomb-Scargle method)
źródło: comment_R7EaT17xUM3KhPL1dL2xqoOOVnIeUNsH.jpg
#machinelearning #datascience #programowanie #bigdata #python #praktyki #warszawa #deeplearning

witam serdecznie, czy zna ktoś warszawską firmę, w której można by złapać praktyki/staż ( nawet bezpłatne, zależy mi na zdobyciu doświadczenia "od kuchni" ) w dziale analizy danych, tym słynnym Big Data, ewentualnie jakimś pokrewnym?

zawodowego doświadczenia nie posiadam, znam jednakże całkiem nieźle Pythona z całym arsenałem w postaci Numpy, Scikit-learn, Matplotlib, mam jakieś podstawy środkowiska R w głowie, umiem całkiem szczegółowo opisać, zaimplementować
scrapowanie przeszlo pomyslnie, 2793 strony głównej z wykopaliskami, komentarzami, odpowiedziami do komentarzy + hashtagi, zawołania, nawet kolor nicka udało się wyciągnąć - łącznie jakieś 3,5gb danych do analizy ( ͡° ͜ʖ ͡°)

teraz pora na oczyszczenie danych i text mining komentarzy na wykopie ( ͡° ͜ʖ ͡°)

#dataisbeautiful #machinelearning #statystyka #python #apachespark #bigdata
źródło: comment_iHqByudjm3hG5YvdN42R9ngcjVtdGy12.jpg
@bziuuumor: @kiwis: @reneq16: sorry, przegapiłem powiadomienie, cały czas jestem na bieżąco, w praktyce każdy unit zaczynam w poniedziałek wieczorem, zaraz przed deadlinem, ale do tej pory niczego nie opuściłem xD
za dużo nowych rzeczy się nie dowiedziałem, ale kurs jest naprawdę genialnie zrobiony!
jak Wam idzie?
@UberWygryw: widze, ze juz nawet na wypoku pisze się o ML. Zdecydowanie ten, kto dobrze opanuje ML, R/python i algorytmy oraz wizualizację danych, ten będzie wygryw w nadchodzących latach. Podobno MS wykupiło właśnie R. Sam zacząłem zgłębiać, bo wydaje się to mega ciekawy temat.
Researchers turned millions of random Flickr images into beautiful time lapses

We introduce an approach for synthesizing time-lapse videos of

popular landmarks from large community photo collections. The

approach is completely automated and leverages the vast quantity

of photos available online. First, we cluster 86 million photos into

landmarks and popular viewpoints. Then, we sort the photos by

date and warp each photo onto a common viewpoint. Finally, we

stabilize the appearance
Machine learning the hard way -- a story about ponies

Before you dive into a machine learning project, learn from the mistakes that I made while building a prediction engine for betting on horse races. In this introductory talk, learn about common data science tasks like data munging, pre-processing, classification, regression, and interpreting results.


#programowanie #machinelearning #python