5 Conseils D'experts Pour Apprendre Le Machine Learning | Mr. Mint

La Data Science et le Machine Learning sont des compétences rares très demandées dans le marché du travail. Ce domaine aux contours assez flous, demande une expertise pluridisciplinaire. Maîtriser le calcul matriciel, les probabilités, la programmation ainsi que les principaux algorithmes ML demande un travail colossal !

Nul doute, apprendre le machine learning prend du temps. mais on veut tous des « raccourcis » pour mettre le plus d’efforts là où il faut. Après tout, qui n’aime pas voir rapidement le fruit de son labeur ? 🙂

Voici quelques conseils d’experts en Machine Learning pour mieux optimiser votre apprentissage et structurer ce dernier.

1) Suivre la formation d’Andrew NG

Le conseil de Xavier amatriain est de commencer par la formation en ligne d’Andrew NG (formateur à Standford). Selon Xavier, la formation est une bonne introduction des thèmes clés du Machine Learning. Elle couvre les algorithmes de régression, classification, réseaux de neurones, et les techniques d’optimisation de ces algorithmes.

Ayant suivi moi même cette excellente formation, voici le mon feedback sur cette dernière.

2) Implémenter un algorithme

Le deuxième conseil de Xavier est d’implémenter manuellement un algorithme qui vous intéresse. Cela permettra de comprendre les fondements mathématiques derrière, ses points forts et faibles. Cela revient à maîtriser l’algorithme de A à Z. Une fois votre implémentation est au point, utilisez la sur un jeu de données et comparez les résultats obtenus avec ceux d’une librairie de Machine Learning.

3) Pratiquer, Pratiquer, Pratiquer !

Selon Sean McClure, apprendre le Machine Learning ne se résume pas à connaitre le langage R ou Python, ou gagner quelques compétitions Kaggle. Il s’agit surtout de savoir comment appliquer les différents outils algorithmiques à notre disposition sur des problématiques réelles. Pour cela il faudra pratiquer tout le temps pour être le plus à l’aise possible.

4) S’entraîner sur de grands jeux de données

A mon gout, le meilleur conseil de Cory Hicks, est de jouer avec de grands jeux de données. Ces dernières permettent de ressortir des corrélations qu’on ne pourrait pas détecter sur de petits ensembles de données. Il nous propose ces liens vers des jeux de données intéressants :

• http://www.data.gov/
• http://datasf.org/
• https://www.reddit.com/r/datasets

5) Se former continuellement

Tous ces experts ont un conseil en commun, se former tout le temps sur les nouvelles techniques et les avancées du domaine. Chacun d’eux a sa propre sélection de livres, que j’ai agrégé, pour s’instruire en machine learning.

Note : Certains de ces livres me sont inconnus, je me fierai seulement aux commentaires données sur Amazon !

• Foundations of Machine Learning (Adaptive Computation and Machine Learning series)

• Learning from Data: A Short Course
• Machine Learning in Java : Personnellement j’ai lu ce bouquin. Il est bien, MAIS il est axé sur les libraires ML en Java. Il suppose que vous êtes déjà initié au Machine Learning.

La liste proposée étant des références de livres en Anglais, vous trouverez dans cet article, mon feedback sur deux livres français traitant le Machine Learning.

Si vous avez des questions / feedbacks, n’hésitez pas à me laisser un commentaire et si l’article vous plait, n’oubliez pas de le faire partager ! 😉

Lire aussi:

1. Initiation à l’utilisation de R pour le Machine Learning
2. Naive Bayes Classifier pour Machine Learning
3. Logistic Regression pour Machine Learning – Une Introduction Simple
4. Installer un environnement Python pour Machine Learning avec Anaconda