Следующие шаги с пандами и моделированием

К настоящему времени вы изучили основы машинного обучения и немного Python 3 и Pandas. Вот несколько следующих шагов, и бесплатные ресурсы, чтобы начать работу. Я буду продолжать добавлять информацию здесь, как я думаю об этом, или из предложений в комментариях.

• ПрочитайтеДокументация панд

На этом этапе вам не следует читать документацию, как если бы это была книга (хотя вы можете сделать это, если это работает для вас). Просмотрите документацию сверху вниз, чтобы ознакомиться с различными доступными темами.

Проверьте документацию, прежде чем смотреть на переполнение стека, и особенно, если вы хотите опубликовать вопрос.

Я предпочитаю посмотреть мой текущий вопрос или проблему и внимательно прочитать соответствующий раздел.

Например, мне часто приходится писать свой собственный анализатор даты и времени и передавать егоread_csv, Я также передал свой собственный список типов данных, чтобы получить правильный фрейм данных. Есть примеры обоих из них в документации.

Документация также включает в себяПоваренная книга, который стоит посмотреть.

• Использование Pandas для больших наборов данных

Я использовал Pandas для наборов данных, которые были порядка 30 ГБ после создания моего фрейма данных Pandas. Процесс включает в себя импорт, очистку, объединение и поворот (при необходимости). Тем не менее, существуют различные стратегии использования больших наборов данных в Pandas. Проверьте документацию иэтот вопрос о переполнении стека, Будьте осторожны со старыми вопросами о переполнении стека, поскольку они могут включать устаревшие функции или стиль кодирования Pandas.

• Современные пандыТом Аугсперфер

Я получил большую пользу от чтения книги Тома, которая доступна бесплатно. Однако я призываю вас заплатить ему что-то, в зависимости от ваших собственных обстоятельств.

• Крис Албон иТехнические примечания

Еще один отличный и бесплатный ресурс. Окунитесь здесь, когда вы столкнетесь с проблемой или вопросом.

• Изучите байесовские методы

Как отмечает Кэл Дэвидсон Пилон в своей книгеВероятностное программирование и байесовские методы для хакеровБайесовские методы часто терпят неудачу в книгах статистики. Байесовские методы элегантны, полезны и являются очень естественным способом решения определенных проблем. Теперь у всех нас есть вычислительные ресурсы, такие как Digital Ocean, AWS и т. Д., Поэтому байесовские методы теперь практичны для изучения и использования.

Pilon вводит байесовские методы, сначала кодируя, а затем - теорию, которая является отличным способом развить не только навыки Python, но и получить работающую модель.

Думаю, байеса такжеДумаю, статистикаАллен Дауни доступны бесплатно и также стоит прочитать.

• Лучшие вычислительные ресурсы

Лучшийэто всегда относительный термин. Вот почему люди в Stack Overflow закрывают вопросы и спрашивают, какие технологии использовать.

Все, что я скажу, это то, что если вы ищете дешевые ресурсы, не игнорируйте сайты разработчиков Oracle, NVIDIA, Intel или AMD. Например, NVIDIA предлагает онлайн-курсы по соответствующим технологиям, таким как OpenACC.

• Участвуйте в вызовах

Например,Проблема очистки данных Kaggleтренирует свои навыки. Создание нескольких записных книжек для размещения на GitHub - это всегда хорошая вещь, которую можно передать потенциальному работодателю, или в качестве наброска для подготовки доклада на местном собрании PyData.

• Посетите свой местныйPyDataMeetup