Mempetisi ke pemula untuk mempelajari Ilmu Data

Saya ingin menerima surat seperti itu tiga tahun lalu ketika saya baru mulai belajar Data Science (DS). Bahwa ada tautan yang diperlukan ke materi yang bermanfaat. Artikel ini tidak dimaksudkan untuk membahas domain DS yang luas. Namun, untuk spesialis pemula ini akan berguna.

Teknologi berikut ini paling umum digunakan dalam DS:

• kelancaran berbahasa Inggris;
• Sistem operasi Linux Ubuntu (seperti yang secara historis dikembangkan);
• Bahasa pemrograman Python (tapi lebih baik dari Anaconda Python );
• Lingkungan pengembangan terintegrasi (IDE) PyCharm (Edisi Komunitas gratis);
• infrastruktur (kerangka kerja) untuk pembelajaran mesin (pembelajaran mesin ML), pembelajaran dalam (pembelajaran mendalam DL) dan penciptaan jaringan saraf ( PyTorch , TensorFlow dan puluhan lainnya );
• jika Anda tidak memiliki kartu grafis kuat Anda sendiri (unit pemrosesan grafis GPU), maka Anda harus menggunakan teknologi cloud gratis berdasarkan pada Jupyter Notebook ;
• kemampuan untuk menggunakan sistem kontrol versi Git yang didistribusikan ( GitHub , GitLab , Bitbucket , dll.);
• Punya akun di StackOverflow dan semua cabangnya .

Selain itu, seiring waktu, Anda akan membutuhkan banyak pustaka dan alat tambahan yang berbeda untuk memproses gambar dan data. Ada lusinan dari mereka. Paling berguna bagi saya ( pemrosesan gambar ) dalam urutan kepentingan:

• Lingkungan Virtual - lingkungan pengembangan virtual untuk berbagai proyek, yang merangkum berbagai versi perpustakaan dan alat.
• NumPy - bekerja dengan matriks, aljabar linier.
• OpenCV - banyak algoritma berbeda untuk bekerja dengan gambar.
• Jupyter Notebook adalah aplikasi web untuk mengembangkan dan menjalankan program Python di browser dan di cloud.
• Tensorflow-gpu - konfigurasi jaringan saraf dan perhitungan pada kartu grafis.
• iPython adalah pekerjaan konsol yang lebih nyaman dengan perintah Python, saya menyarankan Anda untuk menggunakannya daripada konsol default.
• Matplotlib - menggambar grafik dan bagan.
• Bantal - berfungsi dengan semua format gambar populer.
• Panda - bekerja dengan data.
• SciPy - pekerjaan tingkat lanjut dengan algoritma, alternatif gratis untuk program MatLab.
• Scikit-learn - algoritma pembelajaran mesin.
• Scikit-image - pemrosesan gambar tingkat lanjut.
• K3D - bekerja dengan grafik dan gambar tiga dimensi di Notebook Jupyter.

Pembelajaran mesin (ML machine learning), dan khususnya pembelajaran mendalam (Deep Learning) tidak mungkin dilakukan tanpa data. Basis data yang diperlukan (kumpulan data, kumpulan data) dapat dicari melalui layanan Google Dataset Search atau di antara 25 ribu kumpulan data Kaggle .

Apa yang saya miliki:

• Berbagai program Python . Mulailah dengan skrip sederhana dan lanjutkan dengan skrip yang lebih kompleks.
• Serangkaian instruksi untuk mengatur Ubuntu Linux . Dari jumlah tersebut, instruksi yang paling penting untuk menginstal dan mengkonfigurasi lingkungan virtual .
• Brosur " Pengantar pembelajaran mesin dan jaringan saraf tiruan ." Dasar-dasarnya, yang dikumpulkan dari seluruh Internet, tetapi dalam kinerja "unik" saya.
• Kursus dan video untuk pemula , yang darinya layak untuk mulai mempelajari jaringan saraf.
• Alat yang berguna di mana setiap orang akan menemukan sesuatu yang menarik untuk diri mereka sendiri.
• Daftar umum kursus yang saya ambil dan ingin saya ikuti.

Terima kasih atas perhatian anda!