通过小型目标项目建立对机器学习工具的深入理解

选择好机器学习工具后，您需要提高使用它的技能。

机器学习工具有大量的特性。拥有使用特性的方法并不等于深入了解如何使用该特性、其局限性或其功能。

此外，一旦您掌握了机器学习工具的技能，您就需要能够展示您知道如何很好地使用它。这不仅仅是在项目中使用它来交付结果。这有帮助，但也有方法可以展示您在积累知识的同时对工具的深入了解。

在本文中，您将了解如何调查机器学习工具的特性，以提高您使用该工具的技能，并向他人展示您不断增长的技能。这对于您在开始新项目和面试时会非常有帮助。

调查机器学习工具
照片由 paurian 提供，部分权利保留。

培养机器学习工具技能

一旦您选择或正在使用机器学习工具，您就需要提高使用它的技能。这可以在您在项目中使用该工具时自然发生，但过程会很慢、狭窄且失控。

您需要系统地提高您在机器学习工具特性方面的技能。

展示您不断增长的技能

在您积累技能的过程中，您可以谈论您的进步程度以及您变得多么熟练。这不像实际展示您使用该工具取得的成果那样有影响力。同样，您可以指出您在项目上取得的成果，但这在大项目上可能非常缓慢，如果项目被关闭，则会令人沮丧。

您需要能够展示您在机器学习工具方面的技能，而独立于您可能正在从事的项目。

对工具特性的简短而集中的调查

您可以使用的策略是系统地调查您选择的机器学习工具的特性。

系统调查是一个简短的、狭窄聚焦的项目，它使用机器学习工具的某个特性来交付一个在应用机器学习过程的背景下有用的结果。

这是一项由您设计并完全控制的调查。

它也是一项调查，其结果归您所有并可以共享。您可以将其转换为视频、博客文章、开源项目或技术报告，以展示您在机器学习工具方面不断增长的技能。

您可以使用特定的分步过程来调查机器学习工具的特性。

调查机器学习工具

您可以使用系统化的过程来调查机器学习工具。

快速 5 步流程

1. 选择工具。选择您想调查的工具。这可能是一个您已列入候选名单的工具、一个您已描述过的工具或一个您已规范化流程的工具。它可能是一个您已经在使用的工具，并且您想更多地了解它或提高使用它的熟练度。
2. 选择特性。选择您想调查的工具的特性。理想情况下，这应该是一个涵盖应用机器学习过程中子任务的特性。它应该是在机器学习问题上做出准确预测的过程中有用的特性。它应该有清晰的输入和结果。
3. 研究特性。通过查看工具的文档来研究如何使用该特性。这可能包括 API 文档、教程、书籍和网站。了解该特性的属性以及它如何以一种或多种方式使用。
4. 在数据集上使用特性。将该特性应用于数据集。这可以是您自己的数据集、来自机器学习竞赛的数据集或来自 UCI 机器学习库的标准研究数据集。使用该特性在数据集上获得结果。例如，如果该特性是数据分析技术，则执行分析；如果该特性是预测模型，则创建模型并进行预测。展示该特性能够实现的性能、局限性和结果。
5. 分享结果。与朋友、同事或公众分享您取得的成果。您可以创建一个演示工具特性的视频。或者，您可以创建一个关于如何使用工具特性在数据集上获得结果的分步教程。分享您的代码、流程和结果。

分享您的结果

不要忽视这个最后的重要步骤——分享。

• 分享有助于您保持专注。
• 分享有助于他人学习。
• 分享让您学得更多。
• 分享展示您的技能。
• 分享迫使您完成。

精彩工具调查技巧

以下是充分利用您对机器学习工具的调查的技巧。

• 详细但非详尽。您对该特性的调查不必详尽，但应详细。您应该涵盖该特性使用方式的变体，并尝试展示其局限性和性能。
• 一次性。您不必保留调查结果。分享您的结果很有用，但调查并不是使用该特性的最佳方法的模板或程序。
• 使用合适的媒体分享。如果您擅长视频，请通过简短的屏幕截图分享结果。如果您是作家，可以考虑撰写博客文章或技术报告。如果您喜欢教学，可以考虑创建分步教程。如果您是程序员，可以考虑在 GitHub 上提供代码。
• 不要花费太多时间。尽量将您的调查限制在 1-2 小时左右。用于分享的详细摘要可能需要相同的时间。
• 不要止步于一个。如果您想熟练使用某个工具，您应该花时间调查该工具提供的许多关键特性。
• 挤出时间。如果该工具足够好，您可以在项目中使用它，那么花时间去深入调查和学习它就足够重要了。

案例研究

以下是一些您可以考虑的工具特性调查的示例案例研究。

• 数据分析技术：调查如何使用工具执行特定类型的数据分析，例如数据摘要或图表。
• 数据准备技术：调查如何使用工具执行特定类型的数据准备，例如填充缺失值或对数据集进行抽样。
• 预测建模技术：调查如何使用工具提供的特定机器学习算法来创建预测模型。
• 模型评估技术：调查如何使用工具执行特定的模型评估技术，例如交叉验证。
• 结果改进技术：调查如何使用工具执行特定的结果改进技术，例如算法调优或模型集成。

您可以调查机器学习工具

您不必是该工具的专家。事实上，这个策略将帮助您提高技能，并最终成为该工具的专家。很少有人花时间去实际研究他们使用的工具。如果您这样做，您将比不这样做的人知道更多，并飞速地加速您的知识。

您不必是机器学习专家。您可能不完全理解该工具的一些特性。您可以使用调查特性的过程来提高您对该工具的技能，并在过程中了解更多机器学习知识。

您不必是程序员。并非所有机器学习工具都需要编程。您可以调查那些提供图形界面、Web 界面或命令行界面的机器学习工具。

调查不是食谱。您不是在创建使用特性的最佳方法食谱。您正在调查特性的各个方面，以及它如何在您的项目中使用或不使用。它甚至可能是一个与您的项目不直接相关的特性。目标是学习和展示技能，而不是创建快速入门食谱（尽管这些考虑并非相互排斥）。

总结

在本文中，您了解了如何调查机器学习工具。

您了解到，您可以将机器学习工具特性的调查作为提高您使用该工具的技能的一种方式。您还了解到，您的调查结果可以作为一种指标，普遍展示您使用该工具的技能。

您发现了一个快速的 5 步流程，您可以使用它来调查任何机器学习工具。

1. 选择您想调查的机器学习工具。
2. 确定您想调查的工具的特性。
3. 研究该特性，以便您知道如何有效地使用它来获得结果。
4. 在数据集上使用该工具的特性并获得结果。
5. 分享您对该特性、该工具以及您所取得结果的学习内容。

你的下一步

是否有您想调查的机器学习工具或工具的某个特性？

立即调查该特性！采取行动。

1. 使用上述流程来调查该特性。
2. 获得结果不要超过 1 小时。
3. 在下面的评论中分享您的学习内容和结果。

您对此过程有任何疑问吗？给我发电子邮件或发表评论。