Читать книгу Praxiseinstieg Machine Learning mit Scikit-Learn, Keras und TensorFlow - Aurélien Géron - Страница 88

Dieses Kapitel hat Ihnen hoffentlich einen Eindruck davon verschafft, worin ein Machine-Learning-Projekt besteht, und Ihnen die Werkzeuge zum Trainieren eines guten Systems nähergebracht. Wie Sie sehen, besteht ein Großteil der Arbeit aus der Vorbereitung der Daten, dem Bauen von Überwachungswerkzeugen, dem Aufbau einer von Menschen gestützten Pipeline und dem Automatisieren des regelmäßigen Trainings Ihrer Modelle. Die Algorithmen zum Machine Learning sind natürlich ebenfalls wichtig, aber es ist günstiger, den Prozess insgesamt gut zu beherrschen und drei oder vier Algorithmen gut zu kennen, anstatt Ihre gesamte Zeit mit dem Untersuchen ausgefeilter Algorithmen zu verbringen.

Wenn Sie es also ohnehin nicht bereits getan haben, ist es nun ein guter Moment, den Laptop aufzuklappen, einen interessanten Datensatz auszusuchen und den gesamten Prozess von A bis Z durchzuarbeiten. Ein guter Ausgangspunkt ist eine Website für Wettbewerbe wie http://kaggle.com/: Dort finden Sie Datensätze zum Ausprobieren, klare Zielvorgaben, und Sie können Erfahrungen austauschen.

Viel Spaß!