Avaliações e Detalhes do Produto machine-learning in Python

Pacotes como Sci-kit learn e Keras são muito úteis para implantação rápida na linha de produção. Deep Learning em visão computacional mostra um resultado considerável. Com uma grande quantidade de dados, as estruturas de Machine Learning em Python nos ajudam a desenvolver mais rapidamente e reduzir nosso tempo de desenvolvimento. Estruturas como Tensorflow, caffe, pytorch são muito eficazes no desenvolvimento e implantação de deep learning. Análise coletada por e hospedada no G2.com.

Quando temos uma grande quantidade de dados, é necessário analisá-los antes de usá-los para desenvolvimento. Aqui no Machine Learning em Python, não há um bom framework de análise de dados em python. Eu não gosto de python porque seu tempo de desenvolvimento é muito alto. Análise coletada por e hospedada no G2.com.

É uma amalgamação de todos os tipos de algoritmos de aprendizado de máquina junto com seus exemplos e tutoriais é a melhor coisa. Está muito bem documentado, o que facilita a implementação. Também é amigável ao usuário. Análise coletada por e hospedada no G2.com.

Ele forneceu muitos métodos de implementação, o que é bastante bom, mas ao mesmo tempo gera muita confusão. Então, é necessário fazer alguma pesquisa sobre qual selecionar entre as opções disponíveis. Análise coletada por e hospedada no G2.com.

Eu gosto de como o Python é simples de usar, assim como a quantidade de bibliotecas que já existem para ajudar a reduzir o tempo de desenvolvimento. Análise coletada por e hospedada no G2.com.

A única coisa que realmente não gosto é quando atualizam a versão do Python e você fica com códigos que funcionam apenas em certas versões. Isso se torna seu trabalho, então, atualizar ou reduzir a sintaxe do código dependendo da versão que você está usando. Análise coletada por e hospedada no G2.com.

Muitos módulos disponíveis para aprendizado de máquina, apenas é necessário preparar os dados conforme a necessidade e então os módulos cuidam do algoritmo. Análise coletada por e hospedada no G2.com.

Preparação de dados para o treinamento do algoritmo Análise coletada por e hospedada no G2.com.

Diz-se que treinar uma rede é muito difícil em aprendizado de máquina, mas se fizer o mesmo através do Python, torna-se mais fácil. Análise coletada por e hospedada no G2.com.

Não há nada que eu não goste em fazer aprendizado de máquina em Python. Análise coletada por e hospedada no G2.com.

É fácil de usar. Muita documentação online. Análise coletada por e hospedada no G2.com.

Atualmente, nada. Eu prefiro isso ao Matlab ou R. Análise coletada por e hospedada no G2.com.

Existem muitos scripts e pacotes de Python bem documentados, de bom senso e facilmente implementáveis para aprendizado de máquina. O Scikit-learn possui tutoriais incríveis para aprendizado de conceitos, aprendizado de funções ou "modelagem preditiva", e agrupamento e descoberta de padrões preditivos. Com a linguagem Python em si, é fácil entender como utilizar o algoritmo Kmeans e implementar aspectos de aprendizado de máquina com seus próprios dados. Análise coletada por e hospedada no G2.com.

Começar pode ser difícil! Tutoriais podem ser difíceis de encontrar, especialmente se você não está acostumado a usar linguagens de código aberto como python. Análise coletada por e hospedada no G2.com.

Python é uma das linguagens de programação mais populares para resolver os problemas associados ao aprendizado de máquina. Bibliotecas Python como Keras, Theanos, TensorFlow e Scikit-Learn tornaram a programação de aprendizado de máquina relativamente fácil. Análise coletada por e hospedada no G2.com.

Às vezes, por causa dos dados, o IDE do Python trava. Análise coletada por e hospedada no G2.com.

O aprendizado de máquina com Python é muito fácil de configurar. Uma vez que você tenha baixado o Python, assumindo que você baixe com o Spyder e Anaconda, tudo estará pré-embalado. Para pessoas com conhecimento amador de codificação como eu, sempre que encontro um obstáculo, consigo ir online e encontrar soluções. Análise coletada por e hospedada no G2.com.

Ao contrário do Tableau, não há uma plataforma oficial, pelo menos eu não consegui encontrar uma. Além disso, há pacotes demais para aprendizado de máquina. Você precisa fazer sua pesquisa para saber qual é adequado para o seu cenário. Análise coletada por e hospedada no G2.com.

Dado o enorme investimento que diferentes empresas fizeram no Python para aprendizado de máquina, existem ferramentas realmente boas disponíveis para todos os tipos de algoritmos de aprendizado de máquina em Python. Quase todos os frameworks de redes neurais profundas são escritos principalmente para Python ou possuem um wrapper em Python. A biblioteca SciPy fornece tudo o que você precisa para realizar a maior parte do trabalho com algoritmos básicos de aprendizado de máquina. Análise coletada por e hospedada no G2.com.

Ao contrário do MATLAB, diferentes empresas estão desenvolvendo ferramentas para Python. Há sempre novas bibliotecas que são incompatíveis com outras. Normalmente, não faço upgrade para uma nova versão de uma biblioteca até que algo pare de funcionar. Análise coletada por e hospedada no G2.com.