Когда вы направляетесь в учебный лагерь или мастер-лагерь, вам может потребоваться соблюдать порядок, но это может быть очень сложной задачей. Потому что каждый день вы сталкиваетесь с экспоненциально растущими десятками методов, функций и терминов, о которых вы, возможно, раньше не слышали.
В этой статье я дам несколько советов по устранению этой массы, задав эти вопросы, которые задавал себе по порядку;
- Как я могу хранить всю эту информацию или решения в своем мозгу?
- Ладно, я не могу хранить все это, по крайней мере, прямо сейчас! Но какие моменты очень важны, и я должен оставить их в определенном месте?
- О, слишком много из них я уже могу найти с помощью одного простого поиска в Google. Это означает, что я должен указать те, которые трудно найти! Но как?
- Какую конструкцию я должен построить?
У нас будет 2 поста по разным темам. Первый — это этот пост, я объясню только создание заметок для «Основных тем», таких как модели машинного обучения, методы проверки и библиотеки графиков. Во 2-м посте мы рассмотрим создание заметок для «Решений».
Основные предметы
Когда вы перейдете к основному предмету здесь, это будет «Машинное обучение», вы хотели бы создать структуру для подпредметов.
Здесь у каждой темы есть своя страница. Это дерево поможет вам найти связанную тему, когда вам это нужно.
Я настоятельно рекомендую вам никогда не забывать обо всем, что вы делаете в своих заметках, когда вы не помните, что было внутри них.
Как видите, я не объяснил «Что такое машинное обучение» или не упомянул соответствующие ссылки на YouTube и так далее.
Я объяснил ключевые слова алгоритмов машинного обучения, потому что знал, что мне нужно будет помнить, какое машинное обучение я должен использовать и какие вычисления они могут выполнять!
Мое первое предложение содержит «прогнозирование непрерывных значений» с красным шрифтом, чтобы предупредить меня. В нем говорится, что если вы не ищете непрерывные значения, просто измените страницу! Если все-таки я не пойму или не вспомню, что такое «непрерывные значения», под ним пояснение.
Основные коды
Создание объектов машинного обучения или вызов функций построения графиков действительно легко найти с помощью одного поиска в Google. Проблема для меня заключалась в том, что каждый раз, когда я искал эти простые коды, я терялся между строк, и все казалось мне незнакомым.
С другой стороны, для начала использования этих основных кодов требуются некоторые обязательные шаги, такие как масштабирование для PCA или стандартизация для K-средних. Затем я решил добавить в свои заметки эти общеупотребительные строки кода. Честно говоря, сейчас я не представляю жизни без них.
Теперь вы видите остальную часть страницы k-средних здесь. Большинство подходов к моделированию K-средних требуют нормализованных данных. Эта короткая строка кода просто напоминает мне использовать или проверить.
Всегда должны быть пояснения к наиболее распространенным входным данным. Вы можете понять, что когда я открываю эту страницу и копирую эти строки, я не трачу время на то, почему я должен использовать независимую переменную k_means вместо K_Means или что-то еще. Я всегда использую эти имена переменных в том же порядке и в той же логике.
В конце этой страницы должен быть один из ваших любимых алгоритмов построения графиков.
Пока вы создаете эту заметку, должна быть очень хорошо объясненная страница форума или видео, которое вас вдохновило, и я уверен, что вы потратили слишком много времени на поиск этого канала. Когда этой заметки, которую вы подготовили, будет недостаточно для вашей задачи, вам не нужно тратить время на поиск этой страницы снова, поэтому добавьте ссылку на эту страницу в свою заметку.
Я надеюсь, что вы нашли эту статью полезной, будет мое дополнительное руководство для заметок о решениях.
