He completado la parte de teoría de aprendizaje automático de Coursera, pero no sé cómo implementarla. ¿Qué tengo que hacer?

Answer 1

Comience con mini proyectos. Completar los pequeños le dará confianza para trabajar en los más grandes más adelante.

Estos son algunos de los más fáciles para comenzar.

(1) Sentimiento de los tweets de Twitter.

Hoy construí un paquete abstracto. Está en desarrollo, pero puedes echarle un vistazo. Puedes bifurcarlo desde github.

yagamiash / twelisis: simplificando la extracción de tweets de twitter y su análisis

(2) Elige cualquier juego como tic-tac-toe o reversi, etc. Intenta resolver el juego con esto, quiero decir codificar una IA para jugar. El libro de ML de Tom Mitchell puede ayudarte aquí.

(3) Si también te gusta la ciencia de datos , entonces ve y juega con los conjuntos de datos en kaggle. Puedes comenzar con el conjunto de datos tradicional del Titanic o elegir iconoclastic y elegir otros más desafiantes.

Answer 2

Kaggle : su hogar para la ciencia de datos, esto es lo que necesita.
Este sitio web es una plataforma para todos los científicos de datos o aspirantes. Practica Compite y aprende aquí.

Como has completado la parte de la teoría que también solo algoritmos, supongo, hay mucho más que cubrir cuando quieres sumergirte en problemas del mundo real. El análisis exploratorio de datos, la elección del algoritmo ML correcto, la elección del algoritmo de optimización correcto es lo que viene con la práctica.

Kaggle Kernels lo guiará para realizar EDA en los datos y de qué manera puede obtener más información sobre los datos para que pueda elegir su algoritmo en consecuencia.

Después de conocer todos los componentes que se encontrarán al resolver un problema real, puede comenzar a competir con los Problemas de inicio en las Competencias de Kaggle.
Titanic: Aprendizaje automático del desastre
Reconocimiento de dígitos | Kaggle