Ką tik baigiau kūrėjų kursą „Google“ mašinų mokymosi greitas kursas. Įvadinis kursas, kuriame jie pateikia pagrindines sąvokas ir mato realių „TensorFlow“ diegimo pavyzdžių. Šie pavyzdžiai paskatino mane tai padaryti.
„Crash vs Machine Learning“ kursas
Tai daug paprastesnis kursas nei „Coursera“ mašinų mokymasis ir praktiškesnis. Tarkime, kad „Coursera“ kursas skirtas suprasti, kaip algoritmai veikia matematiškai, o „Google“ avarijoje šie algoritmai yra beveik kaip juodosios dėžės, jie šiek tiek paaiškina ir moko tai įgyvendinti naudojant „Tensor Flow“.
Ir tai yra didelis skirtumas. „Google“ kursas, nepaisant to, kad daug mažiau išsamiai paaiškino skirtingas mašininio mokymosi sąvokas ir algoritmus, moko mus jas taikyti ir pradėti naudoti „TensorFlow“ ir „Keras“.
Visi pratimai atliekami su „Google Colab“, su kuria jau turime parengę kūrimo aplinką. Tai didelis skirtumas su „Cursera“ kursu, kuris veikia kartu su „Matalab“ arba „Octave“, kad įgyvendintų algoritmus. Bet jūs nematote nieko iš „Tensorflow“ ar kaip išspręsti tikrą problemą.
Cituoju mano komentarą to kurso apžvalgoje
Tai gana teoriška. Bet galbūt todėl tai atrodo geras būdas pradėti, nes jūs ne tik mokysitės, ką daryti, bet ir kodėl.
- Kada pasirinkti vieną ar kitą algoritmą.
- Kaip pasirinkti ir apibrėžti skirtingus parametrus.
- Kokių problemų gali kilti dėl algoritmų ir ypač kokių priemonių imtis.
„Google“ mašinų mokymosi avarijos kursą galima atlikti, net jei neturite aukšto matematikos lygio, Andrew Ng kursas to nedaro
Darbotvarkė: kas matoma kurso metu
Pirmiausia turite paaiškinti, kas yra mašininis mokymasis, pagrindinės sąvokos ir problemų tipai. Ir tai atėjo laikas kalbėti apie šiuos dalykus. Atleiskite, kad anglų kalba yra daug terminų, tačiau kursas vyksta anglų kalba (nors jį labai lengva sekti) ir daugelis klavišų arba neturi vertimo, arba išvertus jis praranda prasmę, nes kontekste mašininio mokymosi visi ir visose svetainėse sako juos anglų kalba.
- Tiesinė regresija arba tiesinė regresija
- Praradimas kvadratuose: populiari nuostolių funkcija
- Gradient Down ir Gradient Down Stochastic
- Mokymosi greitis arba mokymosi greitis.
- Apibendrinimas
- Perteklinis
- Patvirtinimo rinkinys
- Funkcija kirtimas su kertančiais vieno karšto vektoriais
- Nolinearialitetai
- Reguliavimas (paprastumas ir greitis) (L1 ir L2)
- Logistinė regresija
- Klasifikacija
- Tikslumas, tikslumas ir atsiminimas
- ROC kreivė ir AUC
- Neuroniniai tinklai (mokymas, vienas prieš visus, „Softmax“)
- Įterpimai
Kaip jau sakiau, tai veikia su „Google Colab“.
Kam tai yra
Jei pradedate ir norite išmokti įgyvendinti paprastus pavyzdžius. Tai geras būdas pradėti.
Žinoma, yra 15 valandų, kurias galite atlikti savo tempu, ir nors yra pratimų, kurių jums nereikia pristatyti ar išlaikyti testų.
Kursas nemokamas.
O dabar tai?
Kadangi jie yra greiti, aš tikrai pažiūrėsiu į kitus, kuriuos jie turi „Google“.
- Avarijos metu
- Problemos įrėminimas
- Duomenų paruošimas
- grupavimas
- Rekomendacija
- Testavimas ir derinimas
- GAN
Be to, kad toliau bandoma kai kurios kursus, kuriuos palikome sąraše pamatyti, kaip jiems sekasi ir ar aš rimtai darau kažką, kas jau yra pažangesnė.
Turiu rimtą projektą, skirtą sukurti įrankį darbe, ir dabar man reikia pradėti taikyti viską, ką per tą laiką išmokau, ir kovoti su tikromis problemomis.
Aš nuolat pranešiu apie savo pažangą tinklaraštyje.
