【學習記錄 | 本週總結】 Week 28 - 機器學習陣痛中

本週總結

1. Google Data Analysis Professional Certificate 到手 !!!
2. 完成了 谢承熹老師 YT 的 ML 系列影片 （有部分運算驗證的地方還沒看明白）
3. 繼續Kaggle~ 開始參加 Kaggle 上的比賽

本週回顧

 谢承熹老師 的 ML 系列影片

終於完成了謝老師的 Python Machine Learning 系列影片，本系列謝老師以 Sebastian Raschka 的 《Python Machine Learning》Code為主，再配上 Christopher Bishop 的 《Pattern Recognition and Machine Learning》 開源內容，講解整個機器學習的模型建構過程，由最基本的 Data Preprocessing 、Data Compressing、 Dimensionally Reduction ，到 Regression、Classification、Unlabeled Data、Ensemble Models 的模型的理論及實際、以及 Model Evaluation & Hyperparameter Tuning 都一一論述。如果沒有謝老師的講解，我一個人肯定看不下去哈哈。

雖然有部分關於數學推算的內容還沒看懂，但整個系列穩固了我對機器學習的基礎理解。打好了個根基，我現在看 Kaggle 上別人的 code 也更容易掌握。下一步就是多做 Kaggle 的dataset 練習，以及開始學習謝老師的 Deep Learning 系列影片。

Google Data Analysis Capstone Project

我終於完成 Capstone Project 了。在最後關於建議方面，我沒有使用到 Marketing 的理論去寫，這是第一個可惜的點。另外，現在回想起來，其實我在數據組可信度分析以及數據分析都有地方可以做的更好。包括可以按照ROCCC （Reliable Original Comprehensive Current Cited） 對原始數據進一步進行可信度分析。而在數據分析中，也可以往各數據進行更深層次的檢視及分析。關於這些部分，希望可以在周末修改更新。

然後，我也完成了系列中的最後一個課程，取得本系列的證書。當然，也簡單的分享了在Linkedin 上。

在最後一個課程中，Google 提供很多有關面試時需要注意的地方，以及一些十分有用的網上資源，比如一年免費使用 Big Interview 。加上在先前的課程中，也講解了 Resume，個人認為這一個 Professional Certificate 包含了理論、實操、以及找工作相關的內容，簡直物超所值（注：我是在一個月內以全天學習的形式）。

Kaggle Competition 

正式來說，我參加了個人第一個Kaggle Competition，是一個 Kaggle Playground Prediction Competition，在我理解中，這是一個主要給我們這些臭新手練習 Machine Learning 的系列比賽。我的摘要就是因為這個。在EDA、資料預處理、以Lazy Predict Library檢查各模型可得分數後，我選擇建構一個XGBoost。在建構模型後，調參後的模型分數比使用默認參數的模型還要低。針對這個問題，我有幾個思考方向：1. 調參過程出現問題，這個是最大可能；2. 最好的參數就是默認的那些參數，其實不需要進行調參，這個也有可能； 3. 數據預處理階段沒做好，導致分數受影響，但這個看起來與整個模型建構更有關。

關於解決方案，我還有11天時間去思考，下一步我會嘗試每個解決方向，也會嘗試使用一些自動化模組去建構我的模型，作為一個交叉驗證，檢查在模型的建構中是否也出現了一些問題。

本週目標

上一周還是有兩個沒完成，要帶到本周，哭哭。

1. Forage Experience Program
   PMG Data Analytics Consulting Virtual Internship ／ ANZ Data@ANZ Program ／ Quantium Data Analytics Virtual Experience Program （任一）
2. 整理 Github, Kaggle
3. 修改 Google Capstone Project