Pembelajaran mesin (ML) akan sangat berguna mengingat hampir semua bisnis beralih ke alur kerja digital dan produk berbasis layanan.
Kelancaran aliran operasi data akan sangat penting untuk berhasil di dunia baru ini, dan ML adalah cara terbaik untuk membawa kekuatan otomatisasi ke infrastruktur dan proses yang membuat pengguna tetap terlibat dan puas dengan layanan digital dan perangkat yang terhubung.
Sementara banyak yang telah ditulis tentang bagaimana pembelajaran mesin dan bidang kecerdasan buatan (AI) yang lebih luas akan membuat banyak pekerjaan saat ini menjadi usang, pandangan ini mengabaikan fakta yang lebih menonjol:
Pekerjaan apa pun yang hilang tidak akan hilang dari ML, tetapi kepada orang-orang yang tahu cara memanfaatkan pembelajaran mesin untuk menjadi lebih produktif.
Dengan ML, seorang profesional TI tunggal dapat mengotomatiskan semua tugas harian mereka yang hafalan, berulang, dan paling tidak produktif sehingga mereka dapat berkonsentrasi pada masalah strategis tingkat tinggi.
Ini pada gilirannya akan menghasilkan manfaat yang terukur bagi garis bawah organisasi melalui kinerja yang lebih besar, biaya yang lebih rendah, pembukaan pasar baru, pengembangan produk baru dan banyak cara lainnya.
Keuntungan ini dapat dengan mudah diukur, dilacak, dan bersumber dari karyawan yang bertanggung jawab — orang yang tugas sehari-harinya dilakukan oleh mesin.
Tantangannya, tentu saja, adalah untuk memperoleh keahlian yang dibutuhkan untuk memanfaatkan ML secara efektif.
Bisakah ini benar-benar dipelajari dengan relatif mudah dan dengan biaya rendah? Dan bisakah itu dilakukan di rumah, di waktu luang seseorang?
Jawaban untuk kedua pertanyaan tersebut adalah "ya" yang memenuhi syarat.
Yang dibutuhkan hanyalah sumber daya yang tepat yang menjelaskan teknologi ini secara sederhana dan efektif.
EBook berikut tersedia, terjangkau, dan memberikan dasar yang kuat untuk memulai karir baru, atau meningkatkan yang sudah ada, dengan pembelajaran mesin.
Catatan: Ingin sesuatu yang lebih maju? "Pembelajaran Online: 5 eBook Teratas untuk Pakar Pembelajaran Mesin.)
The Python Workshop
Python adalah salah satu bahasa ML paling populer, jadi ini adalah tempat yang baik untuk memulai. EBook ini menyediakan dasar-dasar untuk menulis kode yang bersih dan ringkas di Python 3.
Ini menekankan pemrograman berorientasi objek (OOP) yang dapat diterapkan pada ilmu data tingkat pemula, visualisasi, aplikasi web, dan proyek lainnya. Ini juga memberikan panduan tentang bagaimana Python dapat digunakan untuk mengotomatiskan tugas data-ke-hari menggunakan pembelajaran mesin prediktif.
Instruksi disajikan sebagai lokakarya, dengan alat pembelajaran langkah demi langkah yang menekankan sisi praktis pemrograman Python, bukan teori abstrak yang berat. Ini juga memungkinkan siswa untuk belajar dengan kecepatan mereka sendiri, berlari melalui satu latihan per hari atau menjejalkan seluruh kursus selama akhir pekan.
Sementara itu, keterampilan baru ditambahkan saat siswa mengembangkan kode dunia nyata, dan bahkan ada sertifikat setelah selesai yang dapat dibagikan dan diverifikasi.
Artificial Inteligent and Machine Learning Fundamentals
Untuk bekerja dengan ML, penting untuk memahami cara kerjanya, dan yang lebih penting, perbedaannya dari perangkat lunak tradisional.
Buku ini mengambil dasar-dasar Python dan menerapkannya pada pembelajaran mesin dalam kaitannya dengan konsep dan masalah dunia nyata. Sepanjang jalan, Anda akan belajar bagaimana menerapkan teknik regresi dan klasifikasi, serta analisis prediktif menggunakan pohon keputusan dan hutan acak.
Saat Anda maju, Anda akan beralih dari tugas sederhana ke membangun aplikasi yang sepenuhnya cerdas yang menampilkan alat canggih, seperti algoritma k-means dan mean shift, dan maju hingga pembelajaran mendalam dan jaringan saraf tiruan (ANN).
Setelah selesai, Anda harus dapat meluncurkan aplikasi ML Anda sendiri ke dalam skenario dunia nyata.
Mastering Pandas
pandas adalah perpustakaan paling populer di alam semesta Python, digunakan oleh analis data di seluruh dunia untuk memanipulasi dan mengatur informasi digital.
Buku ini memberikan pandangan mendalam tentang berbagai alat panda, seperti multi-pengindeksan, modifikasi struktur data, dan pengambilan sampel. Ini juga memungkinkan praktisi menengah dan berpengalaman untuk menerapkan wawasan data ke beberapa domain, termasuk statistik Bayesian, analitik prediktif, dan analisis deret waktu.
pandas adalah perpustakaan paling populer di alam semesta Python, digunakan oleh analis data di seluruh dunia untuk memanipulasi dan mengatur informasi digital.
Buku ini memberikan pandangan mendalam tentang berbagai alat panda, seperti multi-pengindeksan, modifikasi struktur data, dan pengambilan sampel. Ini juga memungkinkan praktisi menengah dan berpengalaman untuk menerapkan wawasan data ke beberapa domain, termasuk statistik Bayesian, analitik prediktif, dan analisis deret waktu.
Python Machine Learning
Sekarang setelah dasar-dasar pemrograman dan manipulasi data dipahami, saatnya untuk sampai ke jantung pembelajaran mesin.
Buku ini menawarkan sarana untuk menguasai kerangka kerja, model, dan teknik yang memungkinkan mesin untuk benar-benar "belajar" dari data. Ini fitur instruksi tentang cara menggunakan scikit-learn dan TensorFlow 2.0 untuk ML dan pembelajaran mendalam, serta cara untuk menerapkan konsep-konsep ini pada klasifikasi gambar, aplikasi cerdas, dan proyek lainnya.
Selain itu, pembaca akan mempelajari metode terbaru untuk membangun dan melatih jaringan saraf tiruan, GANs dan model lainnya, serta cara terbaik untuk mengevaluasi operasi mereka dan mengoptimalkan kinerja.
Pelajaran tambahan mencakup cara-cara untuk menggunakan analisis regresi untuk memprediksi hasil target yang berkelanjutan, serta menggunakan analisis sentimen, sub-bidang yang baru dikembangkan dari Natural Language Processing (NLP), untuk mengevaluasi teks dan media sosial.
Buku ini mencakup prinsip-prinsip pembelajaran mesin berbasis Python serta aplikasi praktis menggunakan penjelasan, visualisasi, dan contoh kerja yang jelas, memungkinkan siswa untuk mengembangkan model dan aplikasi dunia nyata sendiri.
Python Feature Engineering CookBook
Bagi mereka yang sekarang telah menguasai dasar-dasar ML, buku ini menyediakan fine-tuning yang diperlukan untuk membuat model yang diperkaya, proses yang efisien, dan kode yang lebih elegan.
Dengan panduan cara yang mencakup alat Python utama seperti panda, scikit-learn, Featuretools, dan Feature-engine, pembaca akan menemukan seluk beluk bekerja dengan himpunan data berkelanjutan dan terpisah, serta mengubah fitur dari data yang tidak terstruktur.
"Resep" utama juga menggambarkan cara mengotomatiskan rekayasa fitur untuk menyederhanakan proses kompleks menggunakan berbagai teknik seperti transformasi box-cox, transformasi daya, dan transformasi log, lalu menerapkan proses ini ke pembelajaran mesin, pembelajaran penguatan, dan NLP.
Akhir Kata
Dengan upaya pembelajaran yang kompleks, guru terbaik adalah pengalaman. Namun demikian, kita semua harus mulai dari suatu tempat.
Bagi mereka yang menghadapi downtime serius di rumah selama krisis saat ini, ada dua cara untuk bertahan: menatap dinding sementara jam berlalu, atau mengambil inisiatif untuk berada di posisi terbaik untuk unggul dalam ekonomi pasca-virus covid.