Corso intensivo di machine learning

Revisione e revisione del corso Google di machine learning

Ho appena fatto il corso per sviluppatori per Corso accelerato di Google Machine Learning. Un corso introduttivo, dove ti danno le basi e vedono esempi di implementazioni reali con TensorFlow. Questi esempi sono ciò che mi ha incoraggiato a farlo.

Crash vs. Machine Learning Coursera

È un corso molto più semplice di quello di Apprendimento automatico Coursera e più pratico. Diciamo che il corso Coursera si concentra sulla comprensione di come funzionano matematicamente gli algoritmi mentre in Crash di Google questi algoritmi sono quasi come scatole nere, ti danno una piccola spiegazione e ti insegnano a implementarlo con Tensor Flow.

E questa è la grande differenza. Il corso di Google, pur spiegando in maniera molto meno approfondita i diversi concetti e algoritmi di Machine Learning, ci insegna ad applicarli e ad iniziare ad utilizzare TensorFlow e Keras.

Tutti gli esercizi sono fatti con Google Cola, con cui abbiamo già preparato l'ambiente di sviluppo. È una grande differenza con il corso Cursera che funziona con Matalab o Octave per implementare gli algoritmi. Ma non vedi nulla di Tensorflow o come risolvere un problema reale.

Citando il mio commento nella recensione di quel corso

È abbastanza teorico. Ma forse è per questo che sembra un buon modo per iniziare, perché non solo imparerai cosa fare, ma perché lo fai.

- Quando scegliere un algoritmo o un altro.

- Come scegliere e definire i diversi parametri.

- Quali problemi possono sorgere con gli algoritmi e soprattutto quali misure adottare.

Il corso Crash di Machine Learning di Google può essere fatto anche se non hai un alto livello di matematica, Coursera di Andrew Ng no

Agenda: cosa si vede nel corso

corso introduttivo al machine learning

Innanzitutto, inizi con una spiegazione di cos'è l'apprendimento automatico, i concetti principali e i tipi di problemi. E con questo, è tempo di parlare dei seguenti punti. Perdonate il fatto che ci sia un sacco di termini in inglese, ma il corso è in inglese (anche se è molto facile seguirlo) e molte delle chiavi o non hanno una traduzione, o quando vengono tradotte perde senso, perché nel contesto di Machine Learning tutti e in tutti i siti le dicono in inglese.

  • Regressione lineare o regressione lineare
  • Perdita al quadrato: una popolare funzione di perdita
  • Gradiente verso il basso e Gradiente verso il basso stocastico
  • Tasso di apprendimento o tasso di apprendimento.
  • Generalizzazione
  • sovradattamento
  • Set di convalida
  • Incrocio di feature con i vettori di incrocio one-hot
  • Nolinearità
  • Regolarizzazione (semplicità e scarsità) (L1 e L2)
  • Regressione logistica
  • Classificazione
  • Accuratezza, precisione e richiamo
  • Curva ROC e AUC
  • Reti neurali (Training, One vs All, Softmax)
  • incastri

Come ho detto, funziona con Google Colab.

Per chi è

Se sei appena agli inizi e vuoi imparare come implementare semplici esempi. È un buon modo per iniziare.

Ci sono 15 ore di corso che puoi fare al tuo ritmo, e sebbene ci siano esercizi non devi fare consegne o superare alcun test.

Il corso è gratuito.

¿Y ahora qué?

Dato che sono veloci, guarderò sicuramente il resto che hanno su Google.

Oltre a continuare a testare alcuni dei corsi che abbiamo lasciato in lista per vedere come stanno e se ne faccio sul serio che è già più avanzato.

Ho un progetto serio in corso per la creazione di uno strumento al lavoro e quello di cui ho bisogno ora è iniziare ad applicare tutto ciò che ho imparato in questo tempo e combattere con i problemi reali.

Continuerò a riportare i miei progressi sul blog.

Se sei una persona irrequieta come noi e vuoi collaborare al mantenimento e al miglioramento del progetto, puoi fare una donazione. Tutti i soldi andranno ad acquistare libri e materiali per sperimentare e fare tutorial

Lascia un commento