Wpis z mikrobloga

Czołem #machinelearning #ai #sztucznainteligencja co polecacie za materiały do rozpoczęcia? Może jakieś książki do podbudowy wiedzy teoretycznej? Albo linki? Jaki język przydatny do zabawy? python? c++? java?
Coś z tego jest w ogóle cokolwiek warte?

Raschka - Python. Uczenie maszynowe
Hearty - Zaawansowane uczenie maszynowe z językiem Python
McIlwraith - Inteligentna sieć. Algorytmy przyszłości.

Możecie coś innego polecić?
  • 28
  • Odpowiedz
@Cooltec: na początek ten kurs. A co do książek... Myślę że czytając po polsku tylko sobie utrudnisz zabawę. Wszystkie ważniejsze publikacje są po angielsku, są wystarczająco skomplikowane bez zastanawiania się nad tłumaczeniem poszczególnych słów.

  • Odpowiedz
@croppz: hmmm. Nigdzie nie napisałem, że literatura ma być po polsku ( ͡° ͜ʖ ͡°). Chcę po prostu dobrą książkę, a czasem ciężko o dobrą książkę po polsku, niestety(choć czytanie po angielsku rozwija, bo i kształci język, i rozwija bo się uczysz xD).
  • Odpowiedz
@Cooltec: No w każdym razie zacznij od tego kursu, literatury sporo znajdziesz jak przejrzysz tag #machinelearning .

No i @JakTamCoTam ma sporo racji, ofert pracy dla juniorów praktycznie nie ma. Jeżeli myślisz o machine learningu pod kątem szukania pracy to może jeszcze raz to przemyśl, ja ten temat traktuję bardziej jako hobby. ¯\_(ツ)_/¯
  • Odpowiedz
@croppz smutne to, że w PL są same nudne rzeczy typu java, C# albo front. Też bym został chętnie w takim C++, ale ofert pracy jak kot naplakal nie mówiąc już o juniorach co oferty są może 3 na Polskę XD.
Tylko wbudowane ratują robotę, ale to trzeba ogarniać elektronikę.
  • Odpowiedz
@croppz: @JakTamCoTam: machine learning traktuję jako coś, czego chciałbym się nauczyć. Praca(?) nie wykluczam, może w przyszłości, ale jeśli nie, to wiedza dla samej wiedzy również kiedyś może przynieść owoce.
Dodatkowo, mam możliwość zrobienia doktoratu właśnie z pokroju modeli matematycznych/uczenia maszynowego/analizy danych/co tam sobie wymyślę, a z tym już dużo łatwiej wystartować w tej gałęzi, ale nadal bez parcia, umiejętność wykorzystania tego we własnym zakresie wystarczy.
  • Odpowiedz
@croppz: Co do gradient descent. To ciężko dać ładna prostą nazwę, bo to jest wyszukiwanie ekstremum (minimum) lokalnego funkcji wielowymiarowej, za pomocą algorytmu zbieżności (idziemy w kierunku minimum) ;)

W sumie nie ma prostej i łatwej polskiej nazwy.
  • Odpowiedz
@Cooltec To zależy co chcesz osiągnąć. Samo przeczytanie nie starczy, trzeba praktykowac np kaggle. W 3ciej, applied ML jest dużo ciekawostek i sztuczek. 4 i 5ta to dosc trudne teoretyczne aspekty. Ugruntowanie wiedzy kiedy już cos ogarniasz. Pierwsze dwie to dość dobre wprowadzenie.
  • Odpowiedz
@Kura_Wasylisa: to akurat wiadomka.
Jesteś w stanie mi tylko wytłumaczyć różnicę między deep learningiem, machine learningiem, a data analysis?
Niby wiem na czym polega różnica, ale jakoś tak ciężko to poczuć.
  • Odpowiedz
@Cooltec deep opiera sie tylko i wylacznie o sieci neuronowe i jest to podkategoria ML ktory grupuje supervised i unsupervised learning. Data analysis teraz juz bywa uzywane zamiennie z data science. Kiedys za data scientista uwazano tylko ludzi z duzym doswiadczeniem i np doktorow. Juniorzy /midzi to byli data analysts. Teraz ta granica sie zatarla, ale powiedzmy ze data analysis to obrobka i wizualizacja danych bez jakiegos bardziej zaawansowanego modelowania
  • Odpowiedz