Inteligência artificial, aprendizado de máquina, aprendizado profundo. todos são conceitos cada vez mais populares. Parece algo do futuro, mas está sendo usado cada vez mais em todas as áreas da vida. Não apenas na Internet, não apenas na visão computacional. Eles estão diagnosticando doenças, otimizando problemas, dirigindo carros e uma série de outras coisas
Não vamos publicar notícias. Tentaremos obter informações úteis como de costume em Ikkaro. Coletando ferramentas, tentando explicar conceitos, fazendo exemplos de Aprendizado de Máquina. Aplicativos em diferentes campos, como IoT e qualquer folha de dados interessante que você encontrar.
Eu não sou um especialista. Estou em processo de aprendizagem, mas acredito que posso contribuir com os conhecimentos que adquiro e com isso aprimoro.
Acabei de fazer o curso de desenvolvedor para Curso intensivo de aprendizado de máquina do Google. Um curso introdutório, onde eles fornecem o básico e vê exemplos de implementações reais com o TensorFlow. Esses exemplos são o que me encorajou a fazer isso.
Colaborativo, também chamado de google colab É um produto do Google Research e é usado para escrever e executar Python e outras linguagens em nosso navegador.
Colab é um Jupyter hospedado, instalado e configurado, para que não tenhamos que fazer nada no nosso computador, mas simplesmente trabalhar a partir do navegador, nos recursos da nuvem.
Ele funciona exatamente da mesma forma que o Jupyter, você pode ver nosso artigo. São Notebooks ou notebooks baseados em células que podem ser textos, imagens ou código, nesta etapa do Python, porque ao contrário do Jupyter Colab no momento apenas o kernel do Python pode ser usado, eles falam em implementar posteriormente outros como R, Scala, etc. , mas nenhuma data é informada.
Estes são os melhores recursos que estou encontrando para aprender sobre Aprendizado de Máquina, Aprendizado Profundo e outros tópicos de Inteligência Artificial.
Existem cursos gratuitos e pagos e de diversos níveis. Claro, embora haja alguns em espanhol, a maioria está em inglês.
Divido em minicursos (de 1 a 20 horas), que são para um primeiro contato com o assunto.
Olhando para os dados históricos oferecidos por um observatório meteorológico na minha cidade, vejo que eles apenas os oferecem graficamente e para download como PDF. Não entendo por que não permitem que você baixe em csv, o que seria muito mais útil para todos.
Estou procurando por um solução para passar essas tabelas de pdf para csv ou se alguém quiser formatar Excel ou Libre Office. Eu gosto do csv porque com um csv você faz tudo o que pode manipular com o python e suas bibliotecas ou pode importá-lo facilmente para qualquer planilha.
Como a ideia é conseguir um processo automatizado, o que eu quero é um script para trabalhar com Python e é aí que entra o Tabula.
Neste artigo deixo um Guia de instalação do Anaconda e como usar seu gerenciador de pacotes Conda. Com isso, podemos criar ambientes de desenvolvimento para Python e R com as bibliotecas que queremos. Muito interessante começar a mexer com Machine Learning, análise de dados e programação com Python.
Anaconda é uma distribuição gratuita e de código aberto das linguagens de programação Python e R amplamente utilizadas em computação científica (Data ScienceData Science, Machine Learning, Science, Engineering, preditive analytics, Big Data, etc).
Ele instala um grande número de aplicativos amplamente utilizados nessas disciplinas de uma só vez, em vez de ter que instalá-los um por um. . Mais de 1400 e que são os mais utilizados nestas disciplinas. Alguns exemplos
Depois de terminar o Curso de aprendizado de máquina, Eu estava procurando por onde continuar. Os ambientes de desenvolvimento usados no curso de prototipagem Octave / Matlab não são o que as pessoas usam, então você tem que pular para algo de qualidade superior. Entre os candidatos que mais me foram recomendados está Keras, usando o TensorFlow de back-end. Não vou discutir se Keras é melhor do que outras ferramentas ou outros frameworks ou se devo escolher TensorFlow ou Theano. Vou apenas explicar como ele pode ser instalado no Ubuntu.
Primeiro tentei instalar a partir da documentação das páginas oficiais, e não foi possível, sempre tive um erro, uma dúvida não resolvida. No final fui procurar tutoriais específicos sobre como instalar keras no Ubuntu Mesmo assim, passei dois dias passando muito tempo à noite. No final, consegui e deixo-vos como o fiz, para o caso de vos abrir caminho.
Como vamos seguir os passos recomendados pelos sites que deixo de fontes no final do tutorial, vamos instalar o PIP que eu não tinha, para gerenciar os pacotes. pip no linux é apenas isso, um sistema de gerenciamento de pacotes escrito em python.
sudo apt-get install python3-pip sudo apt install python-pip
Eu terminei o Curso de aprendizado de máquina oferecido pela Stanford University no Coursera, e como já existem vários que me perguntaram aberta e privadamente sobre isso, queria detalhar um pouco mais o que me pareceu e que quem decidir fazer sabe o que vai encontrar.
É um curso grátis de aprendizado de máquina, ensinado por Andrew Ng. depois de concluído, se desejar, pode obter um certificado que comprova as competências adquiridas por 68 €. É dividido em 3 pilares, vídeos, exames ou quizz e exercícios de programação. Esta em Inglês. Você tem legenda em vários idiomas, mas os espanhóis não são muito bons e às vezes ficam desatualizados, muito melhor se colocar em inglês.
É bastante teórico. Mas talvez seja por isso que parece uma boa maneira de começar, porque você não só aprenderá o que fazer, mas também por que o faz.
