ငါအခုမှ developer သင်တန်းကိုတက်ခဲ့တာ Google Machine Learning Crash သင်တန်းမရ။ သူတို့ကမင်းကိုအခြေခံသဘောတရားတွေပေးပြီး TensorFlow နဲ့တကယ့်လက်တွေ့အကောင်အထည်ဖော်ပုံဥပမာတွေကိုကြည့်တဲ့မိတ်ဆက်သင်တန်းတစ်ခု။ ဤဥပမာများသည်ကျွန်ုပ်အားဤသို့လုပ်ရန်တွန်းအားပေးသည်။
Crash နှင့် Machine Learning Coursera
၎င်းသည်၎င်းထက်များစွာပိုရိုးရှင်းသောသင်တန်းဖြစ်သည် Coursera စက်သင်ယူခြင်း ပိုပြီးလက်တွေ့ကျတယ်။ Google ၏ Crash တွင်ထို algorithms များသည် black သေတ္တာများကဲ့သို့ဖြစ်နေပြီး Coursera သင်တန်းသည် algorithms များကိုသင်္ချာနည်းအရမည်သို့နားလည်သည်ကိုသင်အလေးပေးသည်ဆိုကြပါစို့၊ ၎င်းတို့ကသင့်အားရှင်းပြချက်အနည်းငယ်ပေးပြီး Tensor Flow ကိုအကောင်အထည်ဖော်ရန်သင်ပေးသည်။
ပြီးတော့ဒါကကြီးမားတဲ့ခြားနားချက်ပါ။ Google Learning သင်တန်းသည် Machine Learning ၏ကွဲပြားခြားနားသောသဘောတရားများနှင့် algorithms များကိုနက်နဲစွာရှင်းပြနေသော်လည်း၎င်းတို့ကိုအသုံးချရန်နှင့် TensorFlow နှင့် Keras ကိုစတင်အသုံးပြုရန်ကျွန်ုပ်တို့အားသင်ပေးသည်။
လေ့ကျင့်ခန်းအားလုံးနှင့်ပြီးသည် google colabကျွန်ုပ်တို့သည်ဖွံ့ဖြိုးတိုးတက်မှုပတ်ဝန်းကျင်ကိုကြိုတင်ပြင်ဆင်ထားပြီးဖြစ်သည်။ ၎င်းသည် algorithms ကိုအကောင်အထည်ဖော်ရန် Matalab သို့မဟုတ် Octave နှင့်အလုပ်လုပ်သော Cursera သင်တန်းနှင့်ကြီးမားသောခြားနားချက်ဖြစ်သည်။ ဒါပေမယ့် Tensorflow ကနေတကယ့်ပြသနာကိုဘယ်လိုဖြေရှင်းမလဲဆိုတာကိုမင်းမမြင်ပါဘူး။
ထိုသင်တန်း၏သုံးသပ်ချက်တွင်ကျွန်ုပ်၏ထင်မြင်ချက်ကိုကိုးကားပါ
ဒါဟာအတော်လေးသီအိုရီဖြစ်ပါတယ်။ ဒါပေမယ့်ဘာကြောင့်လဲဆိုတော့သင်ဘာလုပ်ရမလဲဆိုတာလေ့လာရုံတင်မကဘဲသင်ဘာကြောင့်လုပ်တာလဲဆိုတာကိုပါ။
- algorithm တစ်ခုသို့မဟုတ်အခြားတစ်ခုကိုရွေးချယ်ရမည့်အချိန်။
- မတူညီတဲ့ parameters တွေကိုဘယ်လိုရွေးချယ်ပြီးဘယ်လိုသတ်မှတ်မလဲ။
- algorithms များနှင့်အထူးသဖြင့်မည်သည့်အစီအမံများဖြင့်ပြဿနာများပေါ်ပေါက်လာနိုင်သနည်း။
မင်းမှာသင်္ချာအဆင့်မြင့်ရင် Google ရဲ့ Crash Machine Learning သင်တန်းကိုမင်းလုပ်နိုင်တယ်၊ Andrew Ng's Coursera ကမလုပ်ဘူး။
Agenda: သင်တန်းမှာဘာတွေမြင်လဲ
ပထမ ဦး စွာသင် Machine Learning သည်၊ အဓိကသဘောတရားများနှင့်ပြဿနာအမျိုးအစားများကိုရှင်းပြချက်ဖြင့်စတင်ပါ။ ဤအချက်နှင့်အတူအောက်ပါအချက်များအကြောင်းပြောရန်အချိန်ရောက်ပါပြီ။ အင်္ဂလိပ်စာမှာအသုံးအနှုန်းအများကြီးရှိတာခွင့်လွှတ်ပါ၊ ဒါပေမယ့်သင်တန်းကအင်္ဂလိပ်လို (အဲဒါကိုလိုက်နာဖို့အရမ်းလွယ်ပေမယ့်) သော့တော်တော်များများကဘာသာပြန်စရာမလိုဘူး၊ ဘာသာပြန်တဲ့အခါအဓိပ္ပာယ်ပျက်သွားတာကြောင့်၊ Machine Learning ကိုလူတိုင်းနှင့်ဆိုဒ်အားလုံး၌အင်္ဂလိပ်လိုပြောကြသည်။
- Linear Regression သို့မဟုတ် Linear Regression
- Squared loss: နာမည်ကြီးအရှုံး function တစ်ခု
- Gradient Down နှင့် Gradient Stochastic Down
- သင်ယူနှုန်း (သို့) သင်ယူနှုန်း။
- ယေဘူယျ
- အဝတ်အစား
- အတည်ပြုသတ်မှတ်ထားသည်
- ပူပြင်းသည့် vectors များနှင့်ဖြတ်ကူးခြင်းအင်္ဂါရပ်
- Nolinearialities
- ကြီးကြီးကျယ်ကျယ် (ရိုးရှင်းမှုနှင့်ရှားပါးမှု) (L1 နှင့် L2)
- Logistic ဆုတ်ယုတ်
- အမြိုးခှဲခွားခွငျး
- တိကျမှု၊ တိကျမှုနှင့် Recall
- ROC Curve နှင့် AUC
- အာရုံကြောကွန်ယက်များ (လေ့ကျင့်ရေး၊ အားလုံး vs၊ Softmax)
- မြှုပ်နှံခြင်း
ငါပြောသည့်အတိုင်း၎င်းသည် Google Colab နှင့်အလုပ်လုပ်သည်။
ဘယ်သူ့အတွက်လဲ
သင်စတင်နေပြီးရိုးရှင်းသောဥပမာများကိုအကောင်အထည်ဖော်ရန်သင်ယူလိုလျှင်။ ဒါဟာစတင်ရန်နည်းလမ်းကောင်းတစ်ခုပါ။
မင်းရဲ့ကိုယ်ပိုင်အရှိန်နဲ့လုပ်နိုင်တဲ့သင်တန်း ၁၅ နာရီရှိတယ်၊ လေ့ကျင့်ခန်းတွေရှိပေမယ့်မင်းကလေးမွေးဖို့၊ စမ်းသပ်ဖို့မလိုဘူး။
သင်တန်းသည်အခမဲ့ဖြစ်သည်။
ယခုမှာကော?
သူတို့ကမြန်တာနဲ့ငါသူတို့မှာကျန်တာတွေကို Google မှာသေချာကြည့်မယ်။
- Crash သင်တန်း
- ပြဿနာကိုတင်ပြသွားသည်
- ဒေတာပြင်ဆင်ခြင်း
- အစုလိုက်အပြုံလိုက်
- ထောက်ခံချက်
- စမ်းသပ်ခြင်းနှင့်အမှားရှာပြင်ခြင်း
- GAN များ
အချို့ကိုဆက်လက်စမ်းသပ်ရန်အပြင် ငါတို့စာရင်းထဲမှာကျန်ခဲ့တဲ့သင်တန်းတွေ ငါဘယ်လိုဖြစ်နေတာလဲဆိုတာကိုငါအလေးအနက်ထားပြီးလုပ်ရင်အဲဒါကပိုအဆင့်မြင့်နေပြီ။
ငါအလုပ်မှာ tool တစ်ခုဖန်တီးခြင်းအတွက်လေးနက်တဲ့ project တစ်ခုရှိတယ်၊ အခုငါလိုအပ်တာကဒီအချိန်မှာငါသင်ယူခဲ့သမျှကိုစတင်အသုံးချပြီးတကယ့်ပြဿနာတွေကိုရင်ဆိုင်ဖို့ပါ။
ကျွန်ုပ်၏ဘလော့ဂ်တွင်ကျွန်ုပ်၏တိုးတက်မှုကိုအစီရင်ခံတင်ပြပါလိမ့်မည်။
