Comunidad de Machine Learning / Deep learning

#30 es que es muy interesante lo que estás haciendo. Y supone un porfolio cojonudo. A mí me encantaría echar un cable, pero ahora mismo estoy súper enchufado con mi proyecto, estoy haciendo SNA sobre webs de fármacos ilegales. Brutal lo que estoy encontrando.

Algunos ejemplos, los nodos son webs ilegales de fármacos online:

#24 supongo que depende de tu punto de partida, yo estoy terminando un máster universitario (en ciencia de datos) de dos años y me está costando entrar en procesos de selección. Me imagino que es por la falta de experiencia relacionada porque aunque hay muchas ofertas en la gran mayoría piden experiencia y en las que no hay mucha gente.

#30 vaya follón tener que ponerte a etiquetar todos esos datos manualmente. No tengo ni idea de NLP pero no puedes usar algún algoritmo no supervisado?

#35 yo pensaba que te dedicabas a seguridad informática, a red teaming, más concretamente

Ya tengo pensado sobre qué hacer una primera competición entre nosotros este fin de semana. Estoy abierto a sugerencias sobre como hacerlo, pero en principio usaré las competiciones privadas que usa kaggle, os doy un train dataset y un test dataset con el que predecir un campo, el propio kaggle checkea tus respuestas y te da una puntuacion

Por daros pistas de de qué va la vaina:

• Va a ser un problema de clasificación entre tres categorias
• El dataset es un csv con unas 3000 entradas, lo voy a dividir en 20% test 80% train
• Lo dejare abiert no se... una semana? dos?
• Es información pública asi que técnicamente se puede hacer trampas como la gente que participa en la competición del titanic, no me seais garrulos, que esto lo hacemos por los loles

Tengo una pregunta que es muy estúpida pero así soy.
Cuando queréis crear un clasificador para cualquier cosa hacéis algo tipo.

Scikit. Clasificador(datos). (suponiendo qué sea así la función)

Llamáis directamente a una función de una librería que lo hace directamente?
Si esto es así, siempre se va obtener la misma precisión salvo cambios pequeños? Por lo que se estas funciones utilizan optimizacion estocástico entonces las diferencias van a ser pequeñas.
Diseñais vuestras propias funciones desde 0 para mejorar la precisión?

#42 Según el problema. Solo en un par de ocasiones he hecho mi propio algoritmo para adaptarlo a un problema especifico, pero con datos corrientes los algoritmos corrientes suelen servir.

La tonica general de algoritmos con scikit (o tensorflow tambien) es más rollo:

modelo = algoritmo_asdf() # Creas una instancia del modelo
modelo.fit(datos) # adaptas los weights del modelo a tus datos
modelo.predict(dato) # predices un dato desconocido

#45 Hay muchas opticas para sacar mejores resultados en un modelo, puedes hacer tus propios algoritmos, pero hacer pequeños cambios a tus datos, los hiperparámetros de los modelos, puedes usar un modelo ya pre entrenado y adaptarlo a tu problema...

El tio de Machine Learning Mastery al apuntarte a su newsletter te manda una chuleta con tecnicas para mejorar el rendimiento de tu modelo e incluye 32 caminos que tomar, ni mas ni menos.

Lo primero decir que me quedo por aquí.

Mi experiencia en esto del ML no es muy larga, empecé hace unos 3-4 años con mi TFG donde trabajé sobre un problema de regresión (Predicción del nivel de agua de un embalse en Galicia). Al final de la carrera toqué un poco más en asignaturas como Visión Artificial y en el máster he tenido un par de experiencias también con este tema (pero todo en MATLAB). Desde hace un par de años ando trabajando en Python pero estoy trabajando con técnicas de optimización usando algoritmos Metaheurísticos.

Me gustaría empezar a aprender algo de ML en Python. Sabiendo que no parto de nuevas ni en ML ni en Python, por donde me recomendaríais empezar? Sklearn? TensorFlow?

Quiero cambiar mi forma de acceso a Kaggle pero no veo la forma. Cuando me creé la cuenta la hice entrando directamente con la de google pero quiero tener el acceso con mail y contraseña. ¿Sabéis cómo hacerlo?

Estoy por cerrarla y hacerme otra porque ahí no tengo hechos más que unos cursillos básicos.

He hecho una regresión lineal y un foredttree para una cosa que es una tontería y al calcular el error cuadrstico medio de cada modelo obtenía errores muy pequeños. Para comprobar que no estaba haciendo overfitting hice cross_vslidation y sigo obteniendo errores cuadrsticos muy pequeños.
Al usar esto último ya uno se asegura que no hay overfitting al estar cruzando los datos o aún puede estar pasando? Alguna otra forma de asegurarme además de usar diferentes estadísticos para medir el error?

#59 los test_set aún no les he tocado porque leí que es mejor no usarlos hasta que tengas ya un buen modelo con hyperparsnetros ajustados por noseq de lekeage que tampoco entiendo como eso podía pasar.