online-ml/awesome-online-machine-learning

このプロジェクトは「awesome list」と呼ばれる、online machine learning に関する高品質なリソースを集めたキュレーションリストです。オンライン機械学習とは、データを一度にすべて処理するのではなく、逐次的に到着するデータからモデルが学習する機械学習の分野です。このリストはコミュニティによって維持されており、一般的な「awesome」フォーマットに従っています。

README では、オンライン機械学習がデータセット全体を一度に処理する従来のバッチ学習とは異なり、新しいデータポイントごとにモデルを段階的に更新することが明確に定義されています。

内容は何ですか？

• コースと書籍 — 無料の講義ノート、教科書、オンラインコースへのリンク。例として "Machine Learning for Streaming Data with Python" や MIT の "Online Methods in Machine Learning" コースなどがあります。多くは Vowpal Wabbit ライブラリの使用など、実践的な側面に焦点を当てています。

• ブログ記事 — 概念を説明し、チュートリアルを提供する短い記事。トピックはリアルタイム ML の課題から River ライブラリを使用した異常検知まで多岐にわたります。英語のものもあれば、ポルトガル語のものもあります。

• ソフトウェア — 2つのパートに分かれています：

  • モデリング — オンライン学習アルゴリズムを実装するライブラリとツール。例として River (Python)、 MOA (Java)、 Vowpal Wabbit (C++) があります。リストには、scikit-learn にも完全なオンライン学習ではないものの、いくつかのインクリメンタルな機能があることが記載されています。
  • デプロイメント — KappaML や django-river-ml と呼ばれる Django プラグインなど、オンラインモデルを本番環境に投入するためのツール。

• 論文 — 線形モデル、サポートベクターマシン、ニューラルネットワーク、決定木、教師なし学習、時系列、ドリフト検知、異常検知、メトリック学習、グラフ理論、アンサンブルモデル、エキスパート学習、アクティブ学習など、多くのセクションに分類された学術研究論文。各論文には直接リンクがあり、ソースコードや実装への言及など、関連する短いメモが添えられています。

どのように整理されていますか？

すべてが明確な見出し付きの整理されたリストになっており、必要な情報に簡単にアクセスできます。このリストはチュートリアルではなく、出発点です。機械学習の基礎知識があり、オンライン学習のバリエーションに関する最適な資料を探している人を対象としています。

誰のためのものですか？

ストリーミングデータを学習したい、またはそれを使って作業したい学生、研究者、実務家向けです。リアルタイムで予測を更新する必要があるシステムを構築している場合、このリストは適切な手法とツールを教えてくれます。

正確性に関する注記： 上記の詳細はすべて、このプロジェクトの README から直接引用したものです。README に記載されていない追加機能や事実は一切加えていません。