Głębokie uczenie maszynowe - dobór algorytmów.

0

W ML jest wiele algorytmów / technik podejścia do bardzo różnych problemów.
Szukam kursu, publikacji, www gdzie byłaby klasyfikacja algorytmów oraz ich typowe zastosowania (dla każdego z nich).
Zależy mi na znalezieniu odpowiedzi na pytanie typu: Jaki algorytm wybrać dla konkretnego problemu?

Przykładowo chce rozpoznać zdjęcia - jaki(e) algorytm(y) będzie(ą) tu pasować?
Chce przetworzyć tekst (NLP) - jaki(e) algorytm(y) będzie(ą) tu pasować?
Systemy rekomendacji produktów - jaki(e) algorytm(y) będzie(ą) tu pasować?
itd. itd. itd......

Stron na temat ML jest dużo, ale póki co nie znalazłem odpowiedzi na powyższe pytania.

0

Bo każde z zastosować ma wiele algorytmów i każdy z nich ma pewne plusy/minusy/zastosowania. Przetwarzanie języka to jest cała wielka dziedzina a nie jakieś proste "zastosowanie" dla którego można podać 2-3 "najlepsze" algorytmy.
To trochę jakbyś pytał:
Szukam samochodu osobowego. Jaki będzie najlepszy?
To nie jest "konkretny problem" ;)

0

Jasne, chodzi mi o taką klasyfikację algorytmów (w miarę możliwości z przykładami zastosowania), a jak będzie to bardziej dokładny podział, to jeszcze lepiej.
Ja wiem, że to jest temat rzeka, ale może gdzieś ktoś pokusił się o takie opracowanie...
Pewnie całościowo nikt tego nie opisze (bo może to być niewykonalne), ale może chociaż na popularnych przykładach - takich, które podałem (to są chyba dość częste zastosowania). Zdaje sobie też sprawę, że nikt nie jest specjalistą we wszystkich "klasach problemów". Chodzi raczej o taki wstęp do rozwiązywania zadań z użyciem najważniejszych algorytmów.

ML-zielony

0

hej,

kto szuka ten znajdzie, jezeli nie potrafisz skorzystac z googla, quory to zapomnij o temacie.

ML jest mnostwo info nt BI, ML, DS i odp na Twoje pytanie znajdziesz b. latwo

zacznij od

  1. Regression
  2. Classification
  3. Clustering & Retrieval
  4. Recommendation

poczytaj nt kNN, k-mean, Random Forests, Gradient Descent, Cross-Validation, LSH, LDA, AdaBoost, MLlib, Hadoop, Spark, Sentimental Analysis, NLTK a bedziesz blisko znalezienia odp. na pytania. zachecam bo to bardzo ciekawa dzialka.

nie ma czegos takiego jaki algorytm wybrac dla konkretnego przykladu.
musisz rozumiec algorytm i wiedziec co robic, jak odczytac model, jak dopasowac model, jaki jest error, jaka jest dokladnosc, miec pojecie nt tego co robisz. poczytaj j.w

sprawdz kanal na youtube sentdex nt NLTK + Sentimental Analysis

systemy rekomendacji: wygoogluj movie recommendation engine with spark

jezeli nie znalazles odpowiedzi na pytania to znaczy ze zle szukasz ...
kto szuka ten znajdzie

0

i dlaczego w ogóle temat nazwales Deep Learning skoro temat nie ma wiele wspolnego z Deep Learning.

0

Dzięki za porady i sugestie.

Kanał sentdexa znam, bo gość siedzi w Pythonie, którego lubię i używam. O NLTK słyszałem też co nieco.

jezeli nie znalazles odpowiedzi na pytania to znaczy ze zle szukasz ...
kto szuka ten znajdzie

Znaleźć znalazłem, tyle, że chyba aż za dużo :)

Chodziło mi o taki "wstęp" do ML/DL, jak "się podchodzi do różnych problemów" - wiadomo początki najtrudniejsze.

0

Kurs pana Ng na courserze polecam serdecznie, jeśli dopiero startujesz z tematem.

https://www.coursera.org/learn/machine-learning/home/welcome

Nie rzucaj się od razu na głęboką wodę w stylu NLP, jeśli wcześniej nie znasz regresji liniowej czy k-mean.

Stron na temat ML jest dużo, ale póki co nie znalazłem odpowiedzi na powyższe pytania.

To znaczy, że bardzo nie umiesz szukać informacji w internecie.

0

Kurs Coursera- słyszałem o nim, myślałem o nim, ale wpierw muszę się podszkolić z angielskiego.

To znaczy, że bardzo nie umiesz szukać informacji w internecie.

Coś w tym musi być.

Jeśli chodzi o podstawy, prostsze zagadnienia, to co jest dobre "na start"?
Wiele tutoriali zaczyna od MNIST z tego cię zorientowałem.

Jeśli chodzi o biblioteki to celuje w KERAS.

ML-zielony

0

Okej, jeśli nie znasz angielskiego to faktycznie możesz mieć problemy i polecam zdecydowanie przysiąść najpierw nad angielskim, a później iść w "głębokie uczenie maszynowe".

0

Oczywiście KERAS w połaczeniu z TS i THEANO.

Co do kursu Coursera - wysoki jest tam poziom?
Czy angielski jest bardzo wymagający?
Ile razy w roku ten kurs startuje?

0

Siadam więc do głębokiego uczenia angielskiego ;)

0

Widzę, że bez angielskiego ani rusz (w liceum miałem francuski). Podszkolę się z angielskiego i ruszę za rok-dwa lata na Coursere.
Wcześniej jak sugeruje Cytaty - przejrzę tutki Sentdexa na Youtube.

Cytaty napisał(a):

i dlaczego w ogóle temat nazwales Deep Learning skoro temat nie ma wiele wspolnego z Deep Learning.

Czasami używam trudnych pojęć których znaczenia dokładnie nie znam. Interesuje mnie zarówno jeden, jak i drugi temat (ML i DL).


Jak ktoś korzystał z tego kursu na Coursera (Pana A. Ng) i jest w stanie parę zdań o nim napisać - to z góry dziękuje!

ML-zielony

0

Tu jest "zalążek" tego o co pytałem: http://www.cs.cmu.edu/~aarti/Class/10701/MLAlgo_Comparisons.pdf

0

Co do klasyfikacji algorytmów, to nawet jakbyś miał mieć opisany każdy rodzaj na pół strony to nie wiem czy się w jednej książce zmieścisz.
Opis typu "klasyfikacja na już" masz tutaj: https://en.wikipedia.org/wiki/Deep_learning

Tu masz kurs z Oxford:

O angielskim nawet nie wspominaj, że nie znasz, bo w takiej dziedzinie to zginiesz albo będziesz wynajdywał koło na nowo (nomen omen - w kółko, do końca życia).

0
vpiotr napisał(a):

Co do klasyfikacji algorytmów, to nawet jakbyś miał mieć opisany każdy rodzaj na pół strony to nie wiem czy się w jednej książce zmieścisz.

Tak też przypuszczałem...

Tu masz kurs z Oxford:

Dzięki, na Youtube jest tego bardzo dużo i nie będe miał problemów ze znalezieniem ;). Mnie się spodobał ten:

Dobre wprowadzenie i przystępnym językiem. Oparty na scikit.

O angielskim nawet nie wspominaj, że nie znasz, bo w takiej dziedzinie to zginiesz albo będziesz wynajdywał koło na nowo (nomen omen - w kółko, do końca życia).

Jasna sprawa. W Londynie na "zmywaku" wystarczy język dukano-migowy, tu już nie ma żartów, trzeba się dokształcić.

0

nie czekaj kilka lat ..

staraj sie ogarnac te materialy po angielsku i ucz sie jednoczesnie jezyka angielskiego oraz ML

cisnij, jezeli masz duzo czasu to za 3-6 powinienes smigac w temacie :-)

0

Dzięki za porady.

Jeszcze jeśli chodzi o biblioteki ML, to co jest przyszłościowe?

Myślałem głównie o Theano, TensorFlow, Scikit-Learn oraz CAFFE.

Czy warto znać np. Keras czy TFlearn, które trochę upraszczają pracę z bibliotekami ML?

1 użytkowników online, w tym zalogowanych: 0, gości: 1