Saya telah menyelesaikan Kursus Pembelajaran Mesin yang ditawarkan oleh universiti Stanford di Coursera, dan kerana sudah ada beberapa orang yang bertanya secara terbuka dan tertutup mengenai saya, saya ingin memperincikan sedikit lagi apa yang saya rasa dan bahawa sesiapa yang memutuskan untuk melakukannya tahu apa yang akan mereka cari.
Ia adalah satu kursus percuma mengenai Pembelajaran Mesin, diajar oleh Andrew Ng. setelah selesai jika anda mahu, anda boleh memiliki sijil yang menyokong kemahiran yang dicapai dengan harga € 68. Ia dibahagikan kepada 3 tiang, video, Ujian atau Quizz dan latihan pengaturcaraan. Ia dalam Bahasa Inggeris. Anda mempunyai sari kata dalam beberapa bahasa, tetapi bahasa Sepanyol tidak begitu baik dan kadangkala sudah ketinggalan zaman, lebih baik jika anda memasukkannya dalam bahasa Inggeris.
Ia cukup teori. Tetapi mungkin itulah sebabnya rasanya cara yang baik untuk bermula kerana anda bukan sahaja akan belajar apa yang harus dilakukan tetapi mengapa anda melakukannya.
- Bila hendak memilih satu algoritma atau yang lain.
- Cara memilih dan menentukan parameter yang berbeza.
- Masalah apa yang boleh timbul dengan algoritma dan terutama apa langkah yang harus diambil.
Ia mempunyai banyak aljabar dan beberapa kalkulus, dan untuk melihat, seperti yang saya jelaskan, anda benar-benar tidak perlu beroperasi, anda tidak perlu sampai pada persamaan tersebut, membuktikannya, atau mengubahnya, baik, hanya vektor mereka. Oleh itu, walaupun tahap matematik anda tidak bagus, anda boleh mengikuti kursus ini, tetapi tentu saja, menghabiskan berjam-jam menonton dan mendengar video di mana mereka menjelaskan setiap istilah bagaimana ia mempengaruhi dan mengapa ia ada, sukar.
Sekiranya anda tidak tahu apa itu Pembelajaran Mesin, katakanlah ia adalah bahagian Kecerdasan Buatan yang dikhaskan untuk algoritma yang menjadikan semua ini dari penglihatan mesin, klasifikasi spam, dll., berfungsi.
Penglihatan saya telah mengubah saya. Apabila anda memikirkan jenis masalah ini, anda menghadapinya dari sudut pengaturcaraan, memikirkan gelung, keadaan, dan lain-lain dan semuanya benar-benar fungsi, pengurangan fungsi kos, yang dapat jarak antara titik. Ramalan berdasarkan regresi, dll, dll
Ringkasan kursus
Jadi di atas ini adalah bahagian-bahagian utama kursus, terbahagi kepada dua, bahagian yang diawasi dan bahagian yang tidak diawasi
Pembelajaran yang diselia
- Fungsi Model dan Kos
- Penurunan kecerunan untuk regresi linier
- Pengaturan semula
- Rangkaian Neural
- Pengelasan dan Kernel Mesin Besar
- Analisis Komponen Utama (PCA)
- Reka bentuk sistem Pembelajaran Mesin
- Mesin Vektor Sokongan
Pembelajaran Tanpa Pengawasan
- Pengurangan Dimensi
- Pengesanan Anomali
- Sistem Pengesyorkan
- Pembelajaran Mesin Skala Besar
Saya meninggalkan perkara tetapi terus menjadi perkara utama, maka semuanya hancur.
Untuk latihan yang anda gunakan Matlab atau Octave yang boleh kita katakan Matlab OpenSource. Saya telah mengikuti kursus dengan Octave. Seperti yang ditunjukkan dalam kursus pertama, mereka telah memilih alat ini kerana mereka memungkinkan prototaip algoritma cepat. Dengan alat lain pelajar akan menghabiskan terlalu banyak masa untuk memprogram.
Yang pasti adalah bahawa walaupun tidak mudah, mereka membiarkan semuanya siap untuk anda menyelesaikannya. Anda mempunyai keseluruhan persekitaran yang siap untuk latihan, set data, plot grafik, banyak fungsi dan pemboleh ubah yang akan digunakan dan apa yang pelajar lakukan adalah mengisi beberapa baris dengan algoritma utama.
Saya ulangi, itu tidak remeh, terutama kerana anda menghabiskan banyak masa untuk melihat bagaimana sesuatu dilakukan dengan Octave.
Aplikasi praktikal
Melihat contoh aplikasi dan apa yang boleh dilakukan Saya tidak ragu bahawa ini adalah masa depan industri. Mana-mana syarikat akan akhirnya melaksanakan penyelesaian dengan pembelajaran mesin, kecerdasan buatan atau apa sahaja yang kami mahukan untuk meningkatkan ramalan, mengawal kualiti dan meningkatkan proses pengeluaran yang berbeza. Perhatikan bahawa saya bukan hanya membincangkan aplikasi, atau dunia dalam talian, tetapi juga mengenai syarikat fizikal, perkhidmatan, pengeluaran, logistik, dll.
Selain yang sudah diketahui, pengecaman suara, OCR, penglihatan komputer, penterjemah bahasa,
Mengesyorkan sistem, ramalan
Dan sekarang
Pada tahun ini, idea saya adalah untuk berusaha mempraktikkan apa yang telah saya pelajari dengan mencipta beberapa alat yang akan sangat membantu di tempat kerja. Saya tahu bahawa itu tidak akan mudah dan saya harus membiasakan diri dengan Python dan beberapa rangka kerja, baik Tensor Flow, PyTorch dan perpustakaan seperti Numpy. Saya mesti menyiasat pasaran.
Di samping itu, saya ingin mempelajari Pembelajaran Dalam dengan kursus percuma yang ditawarkan di http://course.fast.ai/ dan juga bermula dengan Big Data, bidang lain yang berkaitan dengan kecerdasan buatan dan Pembelajaran Mesin dan itu juga akan menjadi sangat berguna untuk saya di tempat kerja saya. Saya telah melihat pengkhususan dalam Data Besar Coursera ada yang lebih baik tetapi jauh lebih mahal.
Sekiranya anda mempunyai sebarang pertanyaan, anda boleh memberikan komen.
Nacho yang baik,
Terlebih dahulu terima kasih kerana berkongsi pengalaman anda. Saya telah lama ingin mengikuti kursus yang berkaitan dengan Pembelajaran Data Besar / Mesin sejak sekian lama saya bekerja di sebuah jurusan dengan Saintis Data dan pada masa akan datang saya mungkin akan memperoleh ijazah sarjana yang berkaitan dengan subjek tersebut.
Saya seorang Jurutera Industri dan saya mempunyai idea umum mengenai bagaimana Big Data berfungsi, tetapi saya ingin tahu sama ada anda menasihatkan mengikuti kursus Big Data sebelumnya atau kursus Machine Machine boleh dilakukan secara langsung.
Sebaliknya, tahap Bahasa Inggeris saya tidak begitu tinggi (agak rendah) jadi saya tidak tahu sama ada saya menghadapi masalah mengikuti kursus ini.
Terima kasih kerana meluangkan masa anda! Semua yang terbaik.
Hai Javier. Ini adalah kursus pengantar dan cukup teori, jadi tidak perlu memiliki pengetahuan tentang data besar, kerana anda tidak perlu mengumpulkan kumpulan data, ini sudah diberikan kepada anda dalam latihan. Mereka "hanya" meminta anda melaksanakan algoritma utama.
Dan untuk bahasa Inggeris. Video disertakan dalam bahasa Inggeris dan Sepanyol. Dan kemudian terdapat transkrip. Anda tidak perlu bercakap, jadi saya rasa anda tidak akan menghadapi masalah. Mungkin memerlukan sesuatu yang lebih mahal, tetapi saya tidak melihatnya sebagai halangan.
Salam dan beritahu saya jika anda berani. :)
Bagaimana anda mengatasi masalah menghantar tugas?
Hai Carlos. Masalah apa yang anda maksudkan? Dengan platform yang memberi anda ralat?
Saya telah memulakan kursus ini, saya memahami keseluruhan masalah dalam 2 minggu pertama, tetapi semasa menjalankan tugas pertama yang diberikan, saya tidak tahu bagaimana melaksanakan apa yang tidak ada agar program dapat dijalankan sepenuhnya, seperti yang anda katakan sudah memudahkan hampir semua perkara, tetapi saya telah melakukan semua yang mereka terangkan dalam video dan tidak ada apa-apa, dan saya ingin jika anda dapat memberi saya bantuan mengenai perkara itu.
Helo, beritahu saya yang mana yang boleh dilihat jika saya dapat menolong anda.
Hei.
Saya mencari maklumat dari kursus Pembelajaran Mesin Stanford dan sampai ke halaman anda. Saya berminat dengan topik ini dan belajar python.
Seperti yang anda katakan ini nampaknya terlalu teori dan saya telah mencari yang lain yang lebih praktikal tetapi saya tidak tahu apa yang akan berlaku. IBM mempunyai beberapa, salah satunya adalah "Sijil Profesional Kejuruteraan AI IBM" ini: https://www.coursera.org/professional-certificates/ai-engineer#courses
Greetings.
Ya, sangat teoritis, untuk belajar bagaimana algoritma berfungsi dengan baik. Berikut adalah lebih banyak kursus, https://www.ikkaro.com/cursos-machine-learning-deep-learning-ia/ crash pembelajaran mesin google, lebih banyak diaplikasikan. Menggunakan Tensorflow
Terima kasih.
Saya akan melakukan yang anda nyatakan dari google dan jika saya dapat menyelesaikannya dengan baik, saya akan melakukan yang lain yang anda ada di Udacity yang lebih lengkap dan juga percuma.