Peta Pikiran yang merangkum konsep Pembelajaran Mesin, mulai dari Analisis Data hingga Pembelajaran Mendalam.
Pembelajaran Mesin adalah subbidang ilmu komputer yang memberikan komputer kemampuan untuk belajar tanpa diprogram secara eksplisit. Ini mengeksplorasi studi dan konstruksi algoritma yang dapat belajar dari dan membuat prediksi pada data.
Pembelajaran Mesin sama menariknya dengan cakupannya yang luas. Ini mencakup berbagai bidang di bidang Matematika, Ilmu Komputer, dan Ilmu Saraf. Ini adalah upaya untuk meringkas bidang yang sangat besar ini dalam satu file .PDF.
Unduh PDFnya di sini:
https://github.com/dformoso/machine-learning-mindmap/blob/master/Machine%20Learning.pdf
Sama, tetapi dengan latar belakang putih:
https://github.com/dformoso/machine-learning-mindmap/blob/master/Machine%20Learning%20-%20White%20BG.pdf
Saya telah membuat peta pikiran dengan MindNode untuk Mac. https://mindnode.com
Mindmap/Cheatsheet ini memiliki Jupyter Notebook pendamping yang menjalankan sebagian besar langkah Ilmu Data yang dapat ditemukan di tautan berikut:
https://github.com/dformoso/sklearn-classification
Inilah peta pikiran lain yang hanya berfokus pada Pembelajaran Mendalam
https://github.com/dformoso/deeplearning-mindmap
Ilmu Data bukanlah upaya yang harus ditetapkan dan dilupakan, tetapi sebuah proses yang memerlukan desain, implementasi, dan pemeliharaan. PDF berisi ikhtisar singkat tentang apa yang terlibat. Berikut tangkapan layar singkatnya.
Pertama, kita memerlukan beberapa data. Kita harus menemukannya, mengumpulkannya, membersihkannya, dan sekitar 5 langkah lainnya. Berikut ini contoh apa yang diperlukan.
Machine Learning adalah rumah yang dibangun di atas batu bata Matematika. Telusuri komponen yang paling umum, dan kirimkan masukan Anda jika Anda melihat ada yang kurang.
Daftar sebagian jenis, kategori, pendekatan, perpustakaan, dan metodologi.
Contoh model paling populer. Kirimkan komentar Anda untuk menambahkan lebih banyak.
Saya berencana membuat daftar referensi yang lebih lengkap di masa mendatang. Untuk saat ini, inilah beberapa sumber yang saya gunakan untuk membuat Peta Pikiran ini.
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.
Twitter:
https://twitter.com/danielmartinezf
tertaut:
https://www.linkedin.com/in/danielmartinezformoso/
E-mail: