Ech hunn just den Entwécklercours gemaach fir Google Machine Learning Crash Course. En Aféierungscours, wou se Iech d'Grondkonzepter ginn a Beispiller vun echte Implementatioune mat TensorFlow gesinn. Dës Beispiller si wat mech encouragéiert hunn dat ze maachen.
Crash vs Machine Learning Coursera
Et ass e vill méi einfache Cours wéi dee vun Coursera Maschinn Léieren a méi praktesch. Loosst eis soen de Coursera Cours fokusséiert op Iech ze verstoen wéi Algorithmen mathematesch funktionnéieren wärend am Google Crash dës Algorithmen bal wéi schwaarz Këschte sinn, si ginn Iech eng kleng Erklärung a léiere Iech et mat Tensor Flow ëmzesetzen.
An dëst ass de groussen Ënnerscheed. De Google Cours, trotz der vill manner Déift z'erklären déi verschidde Konzepter an Algorithmen vum Machine Learning, léiert eis se z'applizéieren an ze benotzen TensorFlow a Keras.
All Übunge gi mat gemaach google colab, mat deem mir d'Entwécklungsëmfeld scho virbereet hunn. Et ass e groussen Ënnerscheed mam Cursera Cours dee mat Matalab oder Octave schafft fir d'Algorithmen ëmzesetzen. Awer Dir gesitt näischt vum Tensorflow oder wéi Dir e richtege Problem léist.
Mäi Kommentar zitéieren an der Iwwerpréiwung vun deem Cours
Et ass ganz theoretesch. Awer vläicht dofir ass et e gudde Wee fir unzefänken, well Dir gitt net nëmme léieren wat Dir maache musst, awer firwat Dir et maacht.
- Wéini een oder aneren Algorithmus ze wielen.
- Wéi wielen a definéieren déi verschidde Parameteren.
- Wéi eng Probleemer kënne mat den Algorithmen optrieden a besonnesch wéi eng Moossnamen ze huelen.
De Google's Machine Learning Crash Cours ka gemaach ginn och wann Dir keen héije Mathematikniveau hutt, dem Andrew Ng seng Coursera ass net
Agenda: Wat am Cours gesi gëtt
Als éischt fänkt Dir mat enger Erklärung un wat Machine Learning ass, Haaptkonzepter an Aarte vu Probleemer. A mat dësem ass et Zäit iwwer déi folgend Punkte ze schwätzen. Verzeien datt et vill Begrëffer op Englesch gëtt, awer de Cours ass op Englesch (och wann et ganz einfach ass ze verfollegen) a vill vun de Schlëssele hunn entweder keng Iwwersetzung, oder wann iwwersat verléiert et Sënn, well am Kontext vu Machine Learning jiddereen an op all de Site soen se op Englesch.
- Linear Regressioun oder Linear Regressioun
- Quadrat Verloscht: eng populär Verloschtfunktioun
- Gradient Down a Gradient Stochastic Down
- Léierquote oder Léierquote.
- Verallgemengerung
- Iwwermass
- Validatiounsset
- Feature Kräizung mat de Kräizung ee-waarme Vektoren
- Nolinearialities
- Regulariséierung (Einfachheet a Sparzitéit) (L1 a L2)
- Logistesch Réckgang
- Klassifikatioun
- Genauegkeet, Präzisioun an Erënnerung
- ROC Curve an AUC
- Neurale Netzwierker (Training, One vs All, Softmax)
- Embedden
Wéi ech gesot hunn, et funktionnéiert mat Google Colab.
Fir wien et ass
Wann Dir ufänkt a wëllt léieren einfach Beispiller ëmzesetzen. Et ass e gudde Wee fir unzefänken.
Et gi 15 Stonnen natierlech déi Dir an Ärem eegenen Tempo maache kënnt, an och wann et Übungen sinn, braucht Dir keng Liwwerungen ze maachen oder Tester ze maachen.
De Cours ass gratis.
An elo dat?
Wéi se séier sinn, wäert ech sécher de Rescht kucken, deen se op Google hunn.
Zousätzlech fir weider e puer vun den ze testen Coursen déi mir an der Lëscht hannerlooss hunn fir ze kucken wéi se sinn a wann ech eppes eescht maache wat scho méi fortgeschratt ass.
Ech hunn e seriöse Projet amgaang fir d'Schafung vun engem Tool op der Aarbecht a wat ech elo brauch ass alles unzefänken wat ech an dëser Zäit geléiert hunn an mat de richtege Probleemer ze kämpfen.
Ech wäert mäi Fortschrëtt um Blog weider mellen.
