如何构建机器学习应用程序?
0 290
0
该提问暂无详细描述
收藏
2021-03-03 10:04 更新 小眼的铁板烧 •  3510
共 1 个回答
高赞 时间
0

选择一个云平台

AWS,Azure和Google Cloud现在是市场上最大的云平台。这会简化许多基础架构和工具方面的考虑。

收集数据并处理数据

每个ML应用程序的核心都是数据。建议从结构化的表格数据开始,例如用户交互,交易或社会人口统计数据。为了大规模获取和修改此数据,可能需要学习SQL。如果碰巧已经了解一些SQL,建议参加一些课程,了解如何使用所选云平台(例如Amazon Redshift或Google BigQuery)的分析数据仓库。

了解数据

在对数据进行整理之后,应该选择一种具有统计功能的编程语言,例如Python或R。这里强烈建议使用Python,因为与R相比,应用程序的缩放和部署要容易得多且复杂得多。而且,Python ML社区更加丰富活跃且建议使用的云平台在很大程度上偏爱Python。 如果选择了Python,则需要研究一些“基本”库,例如Pandas,NumPy,SciPy,scikit-learn,matplotlib和seaborn,以便更好地理解,清理,处理,分析和可视化数据。完全了解数据后,ML应用程序才有用且成功。

了解机器学习算法是如何工作的。

完成此操作后,应该从数学以及编程的角度研究ML算法的工作方式。一些基本的建模方法是线性回归,逻辑回归,支持向量机,决策树和随机森林。另外,在构建模型时,需要了解一些基本的统计属性,例如偏差方差折中,中心极限定理(CLT)及其含义,维数和数据稀疏性的灾难。

开始构建

一旦掌握了正确的基础知识,就可以继续在所选的云平台上构建实际应用程序。例如,在Google Cloud Platform(GCP)上构建Tensorflow ML应用程序,会是一个比较好的选择。 此外,Google在GitHub上提供了几个Python ML示例。学习构建ML应用程序的最佳方法是从一些项目开始,然后逐步发展。 建议查看以下存储库(https://github.com/GoogleCloudPlatform/professional-services/tree/master/examples) 并尝试一些应用,例如客户流失预测,推荐引擎或情绪分析。

转载自:https://www.quora.com/How-do-I-start-building-machine-learning-applications

收藏
2021-03-03 10:18 更新 空心人 •  3336