machine learning mindmap
1.0.0
Une Mindmap résumant les concepts du Machine Learning, de l'analyse des données au Deep Learning.
L'apprentissage automatique est un sous-domaine de l'informatique qui donne aux ordinateurs la capacité d'apprendre sans être explicitement programmés. Il explore l’étude et la construction d’algorithmes capables d’apprendre et de faire des prédictions sur les données.
L’apprentissage automatique est aussi fascinant que vaste. Il couvre plusieurs domaines en mathématiques, en informatique et en neurosciences. Il s'agit d'une tentative de résumer cet énorme domaine dans un seul fichier .PDF.
Téléchargez le PDF ici :
https://github.com/dformoso/machine-learning-mindmap/blob/master/Machine%20Learning.pdf
Idem, mais avec un fond blanc :
https://github.com/dformoso/machine-learning-mindmap/blob/master/Machine%20Learning%20-%20White%20BG.pdf
J'ai construit la mindmap avec MindNode pour Mac. https://mindnode.com
Cette Mindmap/Cheatsheet est accompagnée d'un bloc-notes Jupyter qui décrit la plupart des étapes de la science des données et qui peuvent être trouvées sur le lien suivant :
https://github.com/dformoso/sklearn-classification
Voici une autre mindmap qui se concentre uniquement sur le Deep Learning
https://github.com/dformoso/deeplearning-mindmap
La science des données n'est pas un effort défini et oublié, mais un processus qui nécessite une conception, une mise en œuvre et une maintenance. Le PDF contient un aperçu rapide de ce que cela implique. Voici une capture d'écran rapide.
Tout d’abord, nous aurons besoin de quelques données. Il faut le retrouver, le récupérer, le nettoyer, et environ 5 autres étapes. Voici un échantillon de ce qui est requis.
Le Machine Learning est une maison construite sur des briques mathématiques. Parcourez les composants les plus courants et envoyez vos commentaires si vous constatez qu'il manque quelque chose.
Une liste partielle des types, catégories, approches, bibliothèques et méthodologie.
Un échantillon des modèles les plus populaires. Envoyez vos commentaires pour en ajouter davantage.
Je prévois de créer une liste de références plus complète à l'avenir. Pour l'instant, voici quelques-unes des sources que j'ai utilisées pour créer cette Mindmap.
Stanford and Oxford Lectures. CS20SI, CS224d.
> Books:
> Deep Learning - Goodfellow.
> Pattern Recognition and Machine Learning - Bishop.
> The Elements of Statistical Learning - Hastie.
- Colah's Blog. http://colah.github.io
- Kaggle Notebooks.
- Tensorflow Documentation pages.
- Google Cloud Data Engineer certification materials.
- Multiple Wikipedia articles.
Gazouillement:
https://twitter.com/danielmartinezf
Linkedin :
https://www.linkedin.com/in/danielmartinezformoso/
E-mail:
