Introducción
«El conocimiento no tiene valor a menos que lo pongas en práctica». – Anton Chéjov
Obtener conocimiento de nuevos conceptos es un aspecto fundamental de la ciencia de datos y el aprendizaje automático. Pero el verdadero oro está en poner en práctica estos conceptos. ¡Cuanto más practiques, mejores serán tus conceptos!
Me complace anunciar que DataPeaker ha lanzado dos nuevos problemas de práctica para entusiastas y expertos del aprendizaje automático y del aprendizaje profundoEl aprendizaje profundo, una subdisciplina de la inteligencia artificial, se basa en redes neuronales artificiales para analizar y procesar grandes volúmenes de datos. Esta técnica permite a las máquinas aprender patrones y realizar tareas complejas, como el reconocimiento de voz y la visión por computadora. Su capacidad para mejorar continuamente a medida que se le proporcionan más datos la convierte en una herramienta clave en diversas industrias, desde la salud.... También hemos agregado tres nuevos cursos a nuestro floreciente portal de capacitación. Estos cursos cubren una variedad de desafíos que la gente del aprendizaje automático encontrará útiles.
Creemos en proporcionar solo contenido de primera clase para nuestra comunidad y nuestras capacitaciones, hackatones, artículos y problemas de práctica reflejan ese compromiso. Veamos estos problemas de práctica y cursos de capacitación con un poco más de detalle.
Problemas de práctica
AnalíticaLa analítica se refiere al proceso de recopilar, medir y analizar datos para obtener información valiosa que facilite la toma de decisiones. En diversos campos, como los negocios, la salud y el deporte, la analítica permite identificar patrones y tendencias, optimizar procesos y mejorar resultados. El uso de herramientas avanzadas y técnicas estadísticas es fundamental para transformar datos en conocimiento aplicable y estratégico.... de Vidhya problemas de práctica saca al científico de datos que llevas dentro. Nuestra colección de problemas de práctica abarca diversos dominios: realización de análisis de sentimientos, creación de sistemas de recomendación, predicción de incumplimiento de préstamos, identificación de dígitos a partir de imágenes, estimación de la edad de los actores indios, entre una gran cantidad de otros desafíos.
Estamos emocionados de lanzar dos nuevos problemas de práctica:
Identifica las prendas
Este es un intrigante problema de visión por computadora que recientemente ha ganado mucha tracción en la comunidad de aprendizaje profundo.
El conjunto de datos que proporcionamos para esto se llama ‘Fashion MNIST’. Está inspirado en MNIST, un conjunto de datos muy popular en la comunidad de aprendizaje automático (puede consultar el problema de práctica de MNIST en nuestro ‘Identificar los dígitos’ desafío). En ‘Identificar las prendas’, en lugar de dígitos, las imágenes muestran un tipo de ropa, por ejemplo, camiseta, pantalón, bolso, etc. El conjunto de datos utilizado en este problema fue creado por Zalando Research.
Este problema de práctica está destinado a principiantes en aprendizaje profundo. Intermedios o expertos en este campo también pueden trabajar en esto para actualizar sus conceptos.
Jester, ¿esta broma es divertida?
Este es un problema de práctica bastante singular. Tiene el desafío de predecir las calificaciones de los chistes dados por los usuarios proporcionados las calificaciones proporcionadas por los mismos usuarios para otro conjunto de chistes. Este conjunto de datos se ha tomado del famoso conjunto de datos del sistema de recomendación de bromas en línea de bufón.
Este problema de práctica está dirigido a todos en el campo del aprendizaje automático, desde principiantes hasta expertos. Recomiendo familiarizarse con sistemas de recomendación para aprovechar al máximo este desafío.
Cursos y capacitaciones
El objetivo de DataPeaker siempre ha sido crear y ayudar a los científicos de datos de todo el mundo proporcionando recursos de formación de primer nivel. Por eso, hemos ampliado nuestro catálogo de formación de forma exponencial este año. Lanzamos el ‘Introducción a la ciencia de datos‘curso que se ha convertido rápidamente en nuestra formación más popular. También tenemos capacitaciones sobre Sobresalir y resolución de problemas usando datos, y por supuesto un ruta de aprendizaje integral para convertirse en un científico de datos.
¡Recientemente hemos agregado tres capacitaciones más emocionantes a esta lista!
Creación de un pronóstico de serie temporal con Python
Los pronósticos de series de tiempo son útiles para crear pronósticos simples como el número de pasajeros de aerolíneas, tráfico del sitio web, etc. Este curso es una guía completa para comenzar en este vasto e intrigante dominio. El pronóstico de series de tiempo es una habilidad que todo científico de datos debería tener en su conjunto de habilidades, ¡así que asegúrese de tomar este curso!
Predicción de ventas de Big Mart usando R
Este curso está dirigido a principiantes en ciencia de datos y aprendizaje automático. Predecir las ventas de una empresa es uno de los desafíos más comunes en este campo y este curso le dará una muy buena idea de cómo abordar este desafío. Este curso lo equipará con las habilidades y técnicas necesarias para resolver un problema de regresión en R.
Predicción de préstamos usando Python
Este curso está diseñado para personas que desean aprender a resolver problemas de clasificación binaria. En este curso, resolverá un caso de estudio de la vida real de Dream Housing Finance. La empresa desea automatizar el proceso de elegibilidad del préstamo (en tiempo real) basándose en los detalles del cliente proporcionados a través de un formulario de solicitud en línea.
Al final del curso, tendrá un conocimiento sólido de los problemas de clasificación y varios enfoques para resolverlos.
Notas finales
Así que ahí vamos: 2 nuevos problemas de práctica increíbles y 3 cursos nuevos que cubren una variedad de temas y dominios de aprendizaje automático. ¡Esperamos su participación!
