100 Days Of ML Code
1.0.0
100 Hari Machine Learning Coding seperti yang diusulkan oleh Siraj Raval
Dapatkan kumpulan data dari sini
Lihat kodenya dari sini.
Lihat kodenya dari sini.
Lihat kodenya dari sini.
Melanjutkan ke #100DaysOfMLCode hari ini, saya mendalami lebih dalam tentang apa sebenarnya Regresi Logistik dan apa saja perhitungan matematika di baliknya. Mempelajari cara menghitung fungsi biaya dan cara menerapkan algoritma penurunan gradien ke fungsi biaya untuk meminimalkan kesalahan dalam prediksi.
Karena waktu yang lebih sedikit, sekarang saya akan memposting infografis pada hari-hari alternatif. Juga jika seseorang ingin membantu saya dalam dokumentasi kode dan sudah memiliki pengalaman di bidangnya dan mengetahui Markdown untuk github, silakan hubungi saya di LinkedIn :).
Lihat Kode di sini
#100DaysOfMLCode Untuk memperjelas wawasan saya tentang regresi logistik, saya mencari beberapa sumber atau artikel di internet dan saya menemukan artikel ini (https://towardsdatascience.com/logistic-regression-detailed-overview-46c4da4303bc) oleh Saishruthi Swaminathan.
Ini memberikan penjelasan rinci tentang Regresi Logistik. Periksalah.
Mendapat intuisi tentang apa itu SVM dan bagaimana digunakan untuk menyelesaikan masalah Klasifikasi.
Pelajari lebih lanjut tentang cara kerja SVM dan implementasi algoritma K-NN.
Menerapkan algoritma K-NN untuk klasifikasi. Infografis Mesin Vektor Dukungan #100DaysOfMLCode sudah setengah selesai. Akan memperbaruinya besok.
Melanjutkan dengan #100DaysOfMLCode hari ini saya mempelajari pengklasifikasi Naive Bayes. Saya juga mengimplementasikan SVM dengan python menggunakan scikit-learn. Akan segera memperbarui kodenya.
Hari ini saya menerapkan SVM pada data terkait linier. Perpustakaan Scikit-Learn bekas. Di Scikit-Learn kami memiliki pengklasifikasi SVC yang kami gunakan untuk mencapai tugas ini. Akan menggunakan trik kernel pada implementasi selanjutnya. Periksa kodenya di sini.
Mempelajari berbagai jenis pengklasifikasi naif bayes. Juga memulai ceramah oleh Bloomberg. Yang pertama dalam playlist adalah Black Box Machine Learning. Ini memberikan gambaran keseluruhan tentang fungsi prediksi, ekstraksi fitur, algoritma pembelajaran, evaluasi kinerja, validasi silang, bias sampel, nonstasioneritas, overfitting, dan penyetelan hyperparameter.
Menggunakan perpustakaan Scikit-Learn mengimplementasikan algoritma SVM bersama dengan fungsi kernel yang memetakan titik data kita ke dimensi yang lebih tinggi untuk menemukan hyperplane yang optimal.
Menyelesaikan seluruh Minggu 1 dan Minggu 2 dalam satu hari. Regresi Logistik yang Dipelajari sebagai Jaringan Syaraf Tiruan.
Menyelesaikan Kursus 1 spesialisasi pembelajaran mendalam. Menerapkan jaringan saraf dengan python.
Memulai Kuliah 1 dari 18 Kursus Pembelajaran Mesin Caltech - CS 156 oleh Profesor Yaser Abu-Mostafa. Itu pada dasarnya adalah pengantar kuliah yang akan datang. Beliau juga menjelaskan Algoritma Perceptron.
Menyelesaikan Minggu 1 Peningkatan Jaringan Neural Dalam: Penyetelan Hyperparameter, Regularisasi, dan Optimasi.
Menonton beberapa tutorial tentang cara melakukan web scraping menggunakan Beautiful Soup untuk mengumpulkan data untuk membangun model.
Kuliah 2 dari 18 Kursus Pembelajaran Mesin Caltech - CS 156 oleh Profesor Yaser Abu-Mostafa. Belajar tentang Ketimpangan Hoeffding.
Lec 3 kursus Bloomberg ML memperkenalkan beberapa konsep inti seperti ruang masukan, ruang tindakan, ruang hasil, fungsi prediksi, fungsi kerugian, dan ruang hipotesis.
Periksa kodenya di sini.
Menemukan saluran luar biasa di youtube 3Blue1Brown. Ini memiliki playlist berjudul Essence of Linear Algebra. Diawali dengan menyelesaikan 4 video yang memberikan gambaran lengkap tentang Vektor, Kombinasi Linier, Rentang, Vektor Basis, Transformasi Linier dan Perkalian Matriks.
Tautan ke daftar putar di sini.
Dilanjutkan dengan playlist selesai 4 video berikutnya yang membahas topik Transformasi 3D, Penentu, Matriks Invers, Ruang Kolom, Ruang Null dan Matriks Non Kotak.
Tautan ke daftar putar di sini.
Dalam playlist 3Blue1Brown menyelesaikan 3 video lainnya dari esensi aljabar linier. Topik yang dibahas adalah Dot Product dan Cross Product.
Tautan ke daftar putar di sini.
Menyelesaikan seluruh playlist hari ini, video 12-14. Benar-benar playlist yang luar biasa untuk menyegarkan konsep Aljabar Linier. Topik yang dibahas adalah Perubahan Basis, Vektor Eigen dan Nilai Eigen, serta Ruang Vektor Abstrak.
Tautan ke daftar putar di sini.
Melengkapi playlist - Esensi Aljabar Linier oleh 3blue1Brown, saran muncul di youtube mengenai serangkaian video lagi dari saluran yang sama 3Blue1Brown. Karena terkesan dengan seri sebelumnya tentang Aljabar Linier, saya langsung mendalaminya. Menyelesaikan sekitar 5 video dengan topik seperti Derivatif, Aturan Rantai, Aturan Produk, dan turunan eksponensial.
Tautan ke daftar putar di sini.
Menonton 2 Video dengan topik Diferensiasi dan Batasan Implisit dari playlist Intisari Kalkulus.
Tautan ke daftar putar di sini.
Tonton 4 video sisanya yang membahas topik Seperti Integrasi dan Turunan Tingkat Tinggi.
Tautan ke daftar putar di sini.
Periksa kodenya di sini.
Video Luar Biasa tentang jaringan saraf oleh saluran youtube 3Blue1Brown. Video ini memberikan pemahaman yang baik tentang Jaringan Syaraf Tiruan dan menggunakan kumpulan data digit tulisan tangan untuk menjelaskan konsepnya. Tautan ke video.
Bagian kedua dari jaringan saraf oleh saluran youtube 3Blue1Brown. Video ini menjelaskan konsep Gradient Descent dengan cara yang menarik. 169 wajib tonton dan sangat direkomendasikan. Tautan ke video.
Bagian ketiga dari jaringan saraf oleh saluran youtube 3Blue1Brown. Video ini banyak membahas tentang turunan parsial dan backpropagation. Tautan ke video.
Bagian keempat dari jaringan saraf oleh saluran youtube 3Blue1Brown. Tujuannya di sini adalah untuk mewakili, dalam istilah yang lebih formal, intuisi tentang cara kerja propagasi mundur dan sebagian besar video membahas turunan parsial dan propagasi mundur. Tautan ke video.
Tautan ke video.
Tautan ke video.
Tautan ke video.
Tautan ke video.
Pindah ke Pembelajaran Tanpa Pengawasan dan mempelajari tentang Clustering. Bekerja di situs web saya, periksa avikjain.me Juga menemukan animasi luar biasa yang dapat membantu memahami K - Means Clustering Link dengan mudah
K Berarti Clustering yang Diimplementasikan. Periksa kodenya di sini.
Dapatkan buku baru "Buku Panduan Ilmu Data Python" oleh JK VanderPlas Periksa buku catatan Jupyter di sini.
Dimulai dengan bab 2: Pengantar Numpy. Topik yang dibahas seperti Tipe Data, array Numpy, dan Komputasi pada array Numpy.
Periksa kode -
Pengantar NumPy
Memahami Tipe Data dengan Python
Dasar-dasar Array NumPy
Komputasi pada Array NumPy: Fungsi Universal
Bab 2 : Agregasi, Perbandingan dan Penyiaran
Tautan ke Buku Catatan:
Agregasi: Min, Maks, dan Segala Sesuatu di Antaranya
Perhitungan pada Array: Penyiaran
Perbandingan, Masker, dan Logika Boolean
Bab 2 : Pengindeksan Mewah, pengurutan array, Data Terstruktur
Tautan ke Buku Catatan:
Pengindeksan Mewah
Menyortir Array
Data Terstruktur: Array Terstruktur NumPy
Bab 3 : Manipulasi Data dengan Pandas
Meliputi Berbagai topik seperti Objek Pandas, Pengindeksan dan Seleksi Data, Pengoperasian Data, Menangani Data yang Hilang, Pengindeksan Hierarki, ConCat dan Append.
Tautan Ke Buku Catatan:
Manipulasi Data dengan Pandas
Memperkenalkan Objek Panda
Pengindeksan dan Seleksi Data
Mengoperasikan Data di Pandas
Menangani Data yang Hilang
Pengindeksan Hierarki
Menggabungkan Kumpulan Data: Concat dan Append
Bab 3: Menyelesaikan topik berikut- Penggabungan dan Penggabungan, Agregasi dan pengelompokan, serta Tabel Pivot.
Menggabungkan Kumpulan Data: Gabungkan dan Gabung
Agregasi dan Pengelompokan
Tabel Pivot
Bab 3: Operasi String yang Divektorisasi, Bekerja dengan Rangkaian Waktu
Tautan ke Buku Catatan:
Operasi String yang Divektorkan
Bekerja dengan Rangkaian Waktu
Panda Berkinerja Tinggi: eval() dan query()
Bab 4: Visualisasi dengan Matplotlib Mempelajari Plot Garis Sederhana, Plot Sebar Sederhana, dan Plot Densitas dan Kontur.
Tautan ke Buku Catatan:
Visualisasi dengan Matplotlib
Plot Garis Sederhana
Plot Sebar Sederhana
Memvisualisasikan Kesalahan
Plot Kepadatan dan Kontur
Bab 4: Visualisasi dengan Matplotlib Mempelajari Histogram, Cara menyesuaikan legenda plot, bilah warna, dan membangun Beberapa Subplot.
Tautan ke Buku Catatan:
Histogram, Binning, dan Kepadatan
Menyesuaikan Legenda Plot
Menyesuaikan Bilah Warna
Beberapa Subplot
Teks dan Anotasi
Bab 4: Meliputi Plot Tiga Dimensi di Mathplotlib.
Tautan ke Buku Catatan:
Plot Tiga Dimensi di Matplotlib
Mempelajari tentang Hierarchical Clustering. Lihatlah Visualisasi yang menakjubkan ini.
