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!