¿Qué puedo hacer durante el verano para prepararme para una clase de aprendizaje automático y minería de datos que voy a tomar el próximo año?

Comprender algunas probabilidades, estadísticas y álgebra lineal de antemano puede ayudar. Descargo de responsabilidad: un pequeño proyecto mío.

Probabilidad

Probabilidad: Parte 0 – Una introducción con ejemplos – Condicional, probabilidad compuesta; Variables aleatorias; Teorema de Bayes

Probabilidad: Parte 1 – Algunas definiciones con un conjunto de problemas resueltos: variables aleatorias continuas y discretas, desigualdad de Chebyshev

Probabilidad: Parte 2 Distribuciones- Discreta y continua- Bernouilli / Binomial / Geométrica / Uniforme / Exponencial / Gamma, etc.

Probabilidad – Parte 3 – Probabilidad conjunta, distribuciones normales bivariadas, funciones de variable aleatoria, transformación de vectores aleatorios – con ejemplos, problemas y soluciones

Álgebra lineal

Álgebra Lineal – Matrices Parte I – Un Tutorial con Ejemplos Introducción a las matrices. Teoría, definiciones. Qué es una Matriz, orden de una matriz, igualdad de matrices, diferentes tipos de matrices: matriz de filas, matriz de columnas, matriz cuadrada, diagonal, identidad y matrices triangulares. Definiciones de Trace, Minor, Cofactors, Adjoint, Inverse, Transpose de una matriz. Suma, resta, multiplicación escalar, multiplicación de matrices. Definición de tipos especiales de matrices como simétricas, asimétricas simétricas, idempotentes, involuntarias, no potentes, singulares, no singulares, matrices unitarias.

Algeria lineal – Matrices Parte II – Un tutorial con ejemplos, problemas y soluciones Problemas y ejemplos resueltos basados ​​en los subtemas mencionados anteriormente. Algunos de los problemas en esta parte demuestran encontrar el rango, las ecuaciones inversas o características de las matrices. Representando problemas de la vida real en forma matricial.

Álgebra lineal – Determinantes – Un tutorial con ejemplos, problemas y soluciones Introducción a los determinantes. Determinantes de segundo y tercer orden, menores y cofactores. Las propiedades de los determinantes y cómo permanece alterada o inalterada en base a transformaciones simples son las matrices. Expandiendo el determinante. Problemas resueltos relacionados con determinantes.

Álgebra lineal – Ecuaciones simultáneas en múltiples variables – Un tutorial con ejemplos y problemas que representan un sistema de ecuaciones lineales en múltiples variables en forma de matriz. Usando determinantes para resolver estos sistemas de ecuaciones. Significado de sistemas de ecuaciones consistentes, homogéneos y no homogéneos. Teoremas relativos a la consistencia de sistemas de ecuaciones. Aplicación de la regla de Cramer. Problemas resueltos que demuestran cómo resolver ecuaciones lineales utilizando la matriz y los métodos relacionados con determinantes.

Conceptos básicos en álgebra lineal y espacios vectoriales – Un tutorial con ejemplos y problemas resueltos Teoría y definiciones. Leyes de clausura, conmutativas, asociativas, distributivas. Definición de espacio vectorial, subespacios, dependencia lineal, dimensión y sesgo. Algunos problemas introductorios que demuestran que ciertos conjuntos son espacios vectoriales.

Álgebra lineal: problemas introductorios relacionados con los espacios vectoriales Problemas que demuestran los conceptos introducidos en el tutorial anterior. Verificar o probar que algo sea un subespacio, demostrando que algo no es un subespacio de otra cosa, verificar la independencia lineal; problemas relacionados con la dimensión y la base; Invertir matrices y matrices escalonadas.

Álgebra lineal: más sobre espacios vectoriales Definición y explicación de la norma de un vector, producto interno, proceso de Graham-Schmidt, vectores de coordenadas, transformación lineal y su núcleo. Problemas introductorios relacionados con estos.

Álgebra lineal – Transformaciones lineales, operadores y mapas Ejemplos resueltos y problemas relacionados con la transformación lineal, mapas lineales y operadores y otros conceptos discutidos teóricamente en el tutorial anterior.

Álgebra lineal: valores propios, vectores propios y teorema de Cayley Hamilton Valores propios, vectores propios, teorema de Cayley Hamilton

Álgebra lineal – Problemas basados ​​en ecuaciones, valores propios, vectores propios que demuestran la regla de Crammer, utilizando métodos de valores propios para resolver problemas de espacio vectorial, verificando el teorema de Cayley Hamilton, problemas avanzados relacionados con sistemas de ecuaciones. Resolviendo un sistema de ecuaciones diferenciales.

Álgebra Lineal – Algunos problemas de cierre en las relaciones de recurrencia Resolviendo una relación de recurrencia, algunos más de sistema de ecuaciones.

Como la mayoría de las personas mencionan, el álgebra lineal y la probabilidad (especialmente las estadísticas de Gauss) son importantes.

Lo que también encontré útil fue haber probado ML usando bibliotecas antes de profundizar en la teoría. Si bien esto puede eliminar algo de la diversión de pasar horas aprendiendo / entendiendo los algoritmos que ya ha usado, brinda una visión general importante desde el primer día. Y no se desanime, entender los métodos le permite adaptar la técnica a sus necesidades exactas, algo que no siempre es posible con las bibliotecas.

Recomendaría probar algunos problemas simples en http://www.kaggle.com/ utilizando la biblioteca de Python scikit-learn. Pruebe SVM y bosques aleatorios: estas son técnicas bastante avanzadas que puede ejecutar con unas pocas líneas de código. También intente hacer una búsqueda en la cuadrícula para los mejores hiperparámetros (C y gamma) en el SVM. Comprenda la validación cruzada y por qué es importante para elegir los parámetros.

Mejorar su estadística y conocimiento de probabilidad ayudaría también. Una vez, un muy buen profesor de la Universidad de California en Irvine nos dijo durante su curso de aprendizaje automático de graduados que “el aprendizaje automático es un nombre elegante para las estadísticas”. Un libro, recomendaría “Reconocimiento de patrones y aprendizaje automático” por CM Bishop