Saya baru saja melakukan kursus pengembang untuk Kursus Singkat Pembelajaran Mesin Google. Kursus pengantar, di mana mereka memberi Anda dasar-dasar dan melihat contoh implementasi nyata dengan TensorFlow. Contoh-contoh inilah yang mendorong saya untuk melakukannya.
Kursus Crash vs Machine Learning
Ini adalah kursus yang jauh lebih sederhana daripada Pembelajaran Mesin Coursera dan lebih praktis. Katakanlah kursus Coursera berfokus pada Anda untuk memahami cara kerja algoritme secara matematis sementara di Google's Crash, algoritme tersebut hampir seperti kotak hitam, mereka memberi Anda sedikit penjelasan dan mengajari Anda untuk mengimplementasikannya dengan Tensor Flow.
Dan inilah perbedaan besarnya. Kursus Google, meskipun menjelaskan secara kurang mendalam berbagai konsep dan algoritme Pembelajaran Mesin, mengajarkan kita untuk menerapkannya dan mulai menggunakan TensorFlow dan Keras.
Semua latihan dilakukan dengan google colab, yang telah kami siapkan untuk lingkungan pengembangan. Ini adalah perbedaan besar dengan kursus Cursera yang bekerja dengan Matalab atau Oktaf untuk mengimplementasikan algoritma. Tetapi Anda tidak melihat apa pun dari Tensorflow atau cara memecahkan masalah nyata.
Mengutip komentar saya di ulasan kursus itu
Ini cukup teoretis. Tetapi mungkin itulah mengapa ini tampak seperti cara yang baik untuk memulai karena Anda tidak hanya akan mempelajari apa yang harus dilakukan tetapi mengapa Anda melakukannya.
- Kapan harus memilih satu algoritma atau yang lain.
- Bagaimana memilih dan menentukan parameter yang berbeda.
- Masalah apa yang dapat muncul dengan algoritme dan terutama tindakan apa yang harus diambil.
Kursus Crash Machine Learning dari Google dapat dilakukan meskipun Anda tidak memiliki tingkat matematika yang tinggi, Coursera dari Andrew Ng tidak
Agenda: Apa yang terlihat dalam kursus
Pertama, Anda mulai dengan penjelasan tentang apa itu Machine Learning, konsep utama, dan jenis masalah. Dan dengan ini, sekarang saatnya untuk membicarakan poin-poin berikut. Maaf kalau istilah dalam bahasa Inggris banyak, tetapi kursusnya dalam bahasa Inggris (walaupun sangat mudah untuk diikuti) dan banyak kuncinya tidak memiliki terjemahan, atau ketika diterjemahkan hilang akal, karena dalam konteksnya dari Machine Learning semua orang dan di semua situs mengucapkannya dalam bahasa Inggris.
- Regresi Linier atau Regresi Linier
- Kerugian kuadrat: fungsi kerugian yang populer
- Gradien Turun dan Gradien Turun Stochastic
- Kecepatan belajar atau learning rate.
- Generalisasi
- Overfitting
- Set validasi
- Fitur persilangan dengan persilangan vektor satu panas
- Nolinearitas
- Regularisasi (kesederhanaan dan sparitas) (L1 dan L2)
- Regresi logistik
- Klasifikasi
- Akurasi, presisi, dan Recall
- Kurva ROC dan AUC
- Jaringan saraf (Pelatihan, Satu vs Semua, Softmax)
- Penyematan
Seperti yang saya katakan, ini berfungsi dengan Google Colab.
Untuk siapa itu
Jika Anda baru memulai dan ingin belajar menerapkan contoh sederhana. Ini adalah cara yang baik untuk memulai.
Tentu saja ada 15 jam yang dapat Anda lakukan dengan kecepatan Anda sendiri, dan meskipun ada latihan, Anda tidak perlu melakukan pengiriman atau lulus tes apa pun.
Kursus ini gratis.
Sekarang apa?
Karena mereka cepat, saya pasti akan melihat sisanya di Google.
- Crash Course
- Pembingkaian masalah
- Persiapan Data
- Kekelompokan
- Rekomendasi
- Pengujian dan Debugging
- GAN
Selain terus menguji beberapa kursus yang kami tinggalkan dalam daftar untuk melihat bagaimana mereka dan jika saya melakukan sesuatu yang serius yang sudah lebih maju.
Saya memiliki proyek serius yang sedang berlangsung untuk pembuatan alat di tempat kerja dan yang saya butuhkan sekarang adalah mulai menerapkan semua yang telah saya pelajari saat ini dan untuk berjuang dengan masalah nyata.
Saya akan terus melaporkan kemajuan saya di blog.
