Es tikko izgāju izstrādātāju kursu Google mašīnmācīšanās avārijas kurss. Ievadkurss, kurā viņi sniedz jums pamatus un skatās reālu ieviešanas piemērus, izmantojot TensorFlow. Šie piemēri mani mudināja to darīt.
Avārija pret mašīnmācības kursu
Tas ir daudz vienkāršāks kurss nekā Coursera mašīnmācīšanās un praktiskāk. Pieņemsim, ka Coursera kurss ir vērsts uz to, lai jūs saprastu, kā algoritmi darbojas matemātiski, savukārt Google avārijā šie algoritmi ir gandrīz kā melnās kastes, tie sniedz jums nelielu skaidrojumu un iemāca to ieviest, izmantojot Tensor Flow.
Un tā ir lielā atšķirība. Google kurss, neskatoties uz to, ka daudz mazāk padziļināti izskaidro dažādus mašīnmācīšanās jēdzienus un algoritmus, māca mums tos pielietot un sākt lietot TensorFlow un Keras.
Visi vingrinājumi tiek veikti ar google colab, ar kuru mums jau ir sagatavota izstrādes vide. Tā ir liela atšķirība ar Cursera kursu, kas sadarbojas ar Matalab vai Octave, lai ieviestu algoritmus. Bet jūs neredzat neko no Tensorflow vai to, kā atrisināt reālu problēmu.
Citējot manu komentāru šī kursa pārskatā
Tas ir diezgan teorētiski. Bet varbūt tāpēc tas šķiet labs veids, kā sākt, jo jūs ne tikai uzzināsiet, ko darīt, bet arī kāpēc jūs to darāt.
- Kad izvēlēties vienu vai otru algoritmu.
- Kā izvēlēties un definēt dažādus parametrus.
- Kādas problēmas var rasties ar algoritmiem un jo īpaši kādi pasākumi jāveic.
Google mašīnmācīšanās avārijas kursu var veikt pat tad, ja jums nav augsts matemātikas līmenis, Andrew Ng's Coursera nav
Darba kārtība: Kursā redzamais
Pirmkārt, jūs sākat ar skaidrojumu par mašīnmācīšanos, galvenajiem jēdzieniem un problēmu veidiem. Un līdz ar to ir pienācis laiks runāt par šādiem punktiem. Piedodiet, ka angļu valodā ir daudz terminu, bet kurss notiek angļu valodā (lai gan to ir ļoti viegli ievērot), un daudziem taustiņiem vai nu nav tulkojuma, vai arī tulkojot tas zaudē jēgu, jo kontekstā no mašīnmācīšanās visiem un visās vietnēs saka tos angļu valodā.
- Lineārā regresija vai lineārā regresija
- Zaudējums kvadrātā: populāra zaudējumu funkcija
- Gradients uz leju un gradienta stohastiskais kritums
- Mācīšanās ātrums vai mācīšanās ātrums.
- Vispārināšana
- Pārmērīga aprīkošana
- Apstiprināšanas komplekts
- Iezīmējiet krustojumu ar viena karstuma vektoriem
- Nolinearialitātes
- Regularizācija (vienkāršība un precizitāte) (L1 un L2)
- Loģistikas regresija
- Klasifikācija
- Precizitāte, precizitāte un atsaukšana
- ROC līkne un AUC
- Neironu tīkli (apmācība, viens pret visiem, Softmax)
- Ieguldījumi
Kā jau teicu, tas darbojas ar Google Colab.
Kam tas ir
Ja jūs tikko sākat darbu un vēlaties iemācīties ieviest vienkāršus piemērus. Tas ir labs veids, kā sākt darbu.
Protams, ir 15 stundas, ko varat darīt savā tempā, un, lai gan ir vingrinājumi, jums nav nepieciešams veikt piegādes vai nokārtot testus.
Kurss ir bezmaksas.
Un tagad tas?
Tā kā tie ir ātri, es noteikti apskatīšu pārējo, kas viņiem ir Google.
- crash Course
- Ierāmēšanas problēma
- Datu sagatavošana
- Klasterizācijas
- Ieteikums
- Testēšana un atkļūdošana
- GAN
Papildus tam, lai turpinātu pārbaudīt dažus kursus, kurus esam atstājuši sarakstā lai redzētu, kā viņiem ir, un ja es nopietni to daru, tas jau ir progresīvāk.
Man ir nopietns projekts darba rīka izveidei, un tagad man ir jāsāk pielietot visu, ko esmu iemācījies šajā laikā, un cīnīties ar reālajām problēmām.
Es turpināšu ziņot par savu progresu emuārā.
