Machine Learning Crash -kursus

Gennemgang og udtalelse om machine learning google -kursus

Jeg har lige lavet udviklerkurset for Google Machine Learning Crash -kursus. Et introduktionskursus, hvor de giver dig det grundlæggende og ser eksempler på reelle implementeringer med TensorFlow. Disse eksempler er det, der har opmuntret mig til at gøre det.

Crash vs. Machine Learning Coursera

Det er et meget enklere forløb end det Coursera maskinlæring og mere praktisk. Lad os sige, at Coursera -kurset fokuserer på, at du forstår, hvordan algoritmer fungerer matematisk, mens i Google's Crash er disse algoritmer næsten som sorte bokse, de giver dig en lille forklaring og lærer dig at implementere det med Tensor Flow.

Og det er den store forskel. På trods af at Google -kurset i langt mindre dybde forklarer de forskellige begreber og algoritmer i Machine Learning, lærer vi os at anvende dem og begynde at bruge TensorFlow og Keras.

Alle øvelser udføres med google colab, som vi allerede har udviklingsmiljøet forberedt med. Det er en stor forskel med Cursera -forløbet, der arbejder med Matalab eller Octave for at implementere algoritmerne. Men du kan ikke se noget fra Tensorflow eller hvordan du løser et reelt problem.

Citerer min kommentar i anmeldelsen af ​​dette kursus

Det er ret teoretisk. Men måske er det derfor, det virker som en god måde at starte, fordi du ikke kun vil lære, hvad du skal gøre, men hvorfor du gør det.

- Hvornår skal man vælge en eller anden algoritme.

- Sådan vælges og defineres de forskellige parametre.

- Hvilke problemer kan opstå med algoritmerne og især hvilke foranstaltninger der skal tages.

Machine Learning Crash -kurset fra Google kan udføres, selvom du ikke har et højt matematikniveau, har Coursera fra Andrew Ng ikke

Dagsorden: Hvad ses i forløbet

introduktionskursus til maskinlæring

Først starter du med en forklaring på, hvad maskinlæring er, hovedbegreber og typer af problemer. Og med dette er det tid til at tale om følgende punkter. Undskyld, at der er meget udtryk på engelsk, men kurset er på engelsk (selvom det er meget let at følge det), og mange af tasterne har enten ikke en oversættelse, eller når de oversættes, mister det fornuft, for i konteksten af Machine Learning alle og på alle steder siger dem på engelsk.

  • Lineær regression eller lineær regression
  • Kvadratisk tab: en populær tabsfunktion
  • Gradient Down og Gradient Down Stokastisk
  • Læringshastighed eller læringshastighed.
  • Generalisering
  • overfitting
  • Valideringssæt
  • Funktionskrydsning med krydsende en-varme vektorer
  • Nolinearialiteter
  • Regularisering (enkelhed og sparsomhed) (L1 og L2)
  • Logistisk regression
  • Klassifikation
  • Nøjagtighed, præcision og tilbagekaldelse
  • ROC -kurve og AUC
  • Neurale netværk (Træning, One vs All, Softmax)
  • indlejringerne

Som sagt fungerer det med Google Colab.

For hvem det er

Hvis du lige er begyndt og vil lære at implementere enkle eksempler. Det er en god måde at komme i gang på.

Der er selvfølgelig 15 timer, du kan lave i dit eget tempo, og selvom der er øvelser, behøver du ikke foretage leveringer eller bestå nogen test.

Kurset er gratis.

Og nu det?

Da de er hurtige, vil jeg helt sikkert se på resten, de har på Google.

Udover at fortsætte med at teste nogle af kurser, som vi har tilbage på listen for at se, hvordan de har det, og hvis jeg gør noget seriøst, der allerede er mere avanceret.

Jeg har et seriøst projekt i gang med at skabe et værktøj på arbejdspladsen, og hvad jeg har brug for nu er at begynde at anvende alt, hvad jeg har lært i denne tid, og kæmpe med de virkelige problemer.

Jeg vil blive ved med at rapportere mine fremskridt på bloggen.

Efterlad en kommentar