Tutorial de Sklearn Módulo 1
Tutorial de Sklearn Módulo 1
Tomé el tutorial oficial de sklearn MOOC. Aquí están mis conclusiones.
Después de años jugando con el grupo científico de Python (NumPy, Matplotlib, SciPy, Pandas y Seaborn), se hizo evidente para mí que el siguiente paso era scikit-learn, o “sklearn”.
Pero ¿por qué sklearn?
Entre las bibliotecas de ML, scikit-learn es el marco más simple y fácil de aprender para ML. Se basa en el grupo científico (principalmente NumPy), se centra en algoritmos tradicionales pero poderosos como la regresión lineal/máquinas de vectores de soporte/reducción de dimensionalidad, y proporciona muchas herramientas para construir alrededor de esos algoritmos (como la evaluación y selección de modelos, optimización de hiperparámetros, preprocesamiento de datos y selección de características).
Pero su principal ventaja, sin lugar a dudas, es su documentación y guía del usuario. Literalmente puedes aprender casi todo solo visitando el sitio web de scikit-learn, con muchos ejemplos.
Observa que otros marcos populares son TensorFlow y PyTorch, pero tienen curvas de aprendizaje más pronunciadas y se centran en temas más complejos como la visión por computadora y las redes neuronales. Como este es mi primer contacto real con ML, pensé que empezaría con sklearn.
- Investigadores de Stanford innovan en el modelo de lenguaje de gran escala para la veracidad de los hechos Rankings de preferencia automáticos y avances en NLP para la reducción de errores
- Incrustación de texto y recuperación de similitud de frases a gran escala con Amazon SageMaker JumpStart
- La nueva función de diseño de Amazon Textract introduce eficiencias en tareas de procesamiento de documentos de inteligencia artificial generales y generativos.
Ya empecé a leer la documentación hace unos meses, pero estaba un poco perdido debido a su extensión. Aunque la documentación es enorme y está muy bien escrita, no estoy seguro de que la mejor manera de aprender scikit-learn sea seguir toda la documentación una página tras otra.
La buena noticia, y lo que me motivó a aprender más sobre scikit-learn, fue el inicio del MOOC “oficial” de scikit-learn, creado por el propio equipo de scikit-learn.
Aprendizaje automático en Python con scikit-learn
Construya modelos predictivos con scikit-learn y adquiera una comprensión práctica de las fortalezas y limitaciones de…
www.fun-mooc.fr
En esta serie, trataré de resumir lo que aprendí de cada uno de los 6 módulos que componen el MOOC. Este es un excelente ejercicio para mí para practicar mi memoria y resumir lo que aprendí, y una buena introducción para ti si quieres ponerte en contacto con sklearn.
We will continue to update Zepes; if you have any questions or suggestions, please contact us!
Was this article helpful?
93 out of 132 found this helpful
Related articles
- Aprendizaje automático con MATLAB y Amazon SageMaker
- Cómo Amazon Music utiliza SageMaker con NVIDIA para optimizar el rendimiento y el costo del entrenamiento y la inferencia de machine learning.
- Los hackers están explotando una falla en el software de Citrix a pesar de la solución
- Corea del Sur permite que los robots autónomos utilicen las aceras
- Cómo leer y escribir datos desde/hacia la hoja de cálculo de Quip utilizando las APIs de Quip en Python.
- MusicGen Reimaginado Los avances desconocidos de Meta en la música AI
- Aborda problemas de informática utilizando algoritmos fundamentales y modernos en aprendizaje automático