Data Scientist, Analyst, Machine Learning Engineer tudattagitas szempontjabol milyen fo konyveket, anyagokat ajanlanatok?
Sziasztok!
Utolso eves programtervezo informatikus hallgato vagyok. Szakdolgozat elott allok, eddig konzulens altal volt segitsegem a a temaban( Inversion of Machine Learning Methods), viszont sajnos ez mar nem all fent tobbe, legalabbis nem olyan formaban mint ezelott. Szakdolgozati temamat eddig ugy nez ki hogy nem viszem tovabb, megmaradok valamennyire Data Scientist/Analyst oldalon, es szeretnek is ebben elhelyezkedni, viszont iranymutatas szempontjabol hianyt szenvedek. Tudnatok nekem segiteni, hogy hol es milyen formaban kezdjek neki tudattagitas teren? Alapveto dolgokat tanultam meg csak ebben a temakorben, linear & logistic regression, neural network csak alapszinten.
Megkoszonnem, ha tudnatok konyveket,videokat kuldeni amirol autodidakta modon meg tudnam tanulni a szakma fontos reszeit, illetve ha tudnatok egy keves iranymutatassal szolgalni, nagyon halas lennek! :)
Munka szempontjabol is erdeklodni szeretnek, nyilvanvaloan ilyen csekely tudassal nem vennenek fel sehova, viszont ugy erzem az elso munkahely ebben a korben ugroko lenne szamomra.
Valaszokat elore is koszonom!
Húha... rengeteg minden van, de nehéz jó helyen elkezdeni...
Kezdetnek érdemes két délután alatt végigolvasni Andriy Burkov The 100 page ML book c. könyvét. [link] (Most nézem, hogy nincs ingyenes verziója, pedig régen volt -- töltsd le valahonnan...) Ez egy jó áttekintést ad a téma felének egészéről, hogy miket is kellene kb. tanulni első körben...
A legjobb elméleti bevezetés még mindig, sőt a második kiadás óta toronymagasan és még inkább az ISLR, ingyenesen letölthető innen: [link]
Ez annyira jó könyv, hogy nem is tudom, mit mondjak... szuperjó. Keress hozzá jupyter notebookokat, és azzal csináld végig. Pl. [link]
Ha még mindig tudáséhes maradsz, a további klasszikus bevezetések az ESLR (szintén van ingyenes kiadása): [link]
És Bishop PRML könyve: [link]
-- erre légyszi keress rá magad, mert bár a Google első helyen dobja ki a PDF-et, nem vagyok biztos benne, hogy jogszerűen teszi.
Statisztikai ráncfelvarrásnak... keresd a YouTube-on a StatQuest csatornát.
--
Még mindig a könyveknél maradva, a három szupersztár praktikus bevezető könyv a: [link]
Jupyter notebookok hozzá: [link]
Raschka: Python Machine Learning, 3rd ed.: [link]
Github: [link]
És végül a koronázatlan király: Aurélien Géron: Hands-On Machine Learning with Scikit-learn, Keras and TensorFlow: [link]
Github: [link]
A mellékelt Jupyter Notebookokkal együtt csináld.
--
És végül de inkább elsősorban: a Udemy-n kb. 2 hetente van leárazás, ezt várd ki (most éppen nincs, de újév alkalmából 100% hogy lesz), és vedd meg Jose Portilla bármelyik kurzusát $13-ért (4000 forint)... a legjobb beruházás ever. Semmi sem fogható ezekhez a kurzusokhoz, talán Kirill Eremenko kurzusai még. Pl. próbálkozz ezzel: [link]
(Még egyszer, várj egy pár napot, amíg lemegy az ára!)
--
Van még csilliónyi könyv, tanfolyam és videó, teljesen ingyenesen is -- keresd a YouTube-on a FreeCodeCamp csatornát, pl. itt van egy 4 órás Python Data Analysis kurzus: https://www.youtube.com/watch?v=r-uOLxNrNk8
De én leges-legelső sorban Jose Portilla kurzusait ajánlom a YouTube-on, ez hoz fel szó szerint napok alatt munkaképes szintre szinte az összes releváns témából, én automatikusan vele kezdek, ha bármilyen új téma adódik (pl. idősorelemzés, vagy NLP vagy bármi más).
Ha van még kérdésed, kérdezz bátran!
Kapcsolódó kérdések:
Minden jog fenntartva © 2024, www.gyakorikerdesek.hu
GYIK | Szabályzat | Jogi nyilatkozat | Adatvédelem | Cookie beállítások | WebMinute Kft. | Facebook | Kapcsolat: info(kukac)gyakorikerdesek.hu
Ha kifogással szeretne élni valamely tartalommal kapcsolatban, kérjük jelezze e-mailes elérhetőségünkön!