Ik heb de cursus Coursera Machine Learning afgerond

Ik heb de cursus Coursera Machine Learning afgerond

Ik heb de Machine Learning Course aangeboden door Stanford University op Coursera, en aangezien er al verschillende zijn die me er openlijk en privé naar hebben gevraagd, wilde ik wat meer uitleggen wat het mij leek en dat degene die besluit het te doen, weet wat ze zullen vinden.

Het is een gratis cursus over machine learning, onderwezen door Andrew Ng. als je klaar bent, kun je een certificaat krijgen dat de behaalde vaardigheden onderschrijft voor € 68. Het is onderverdeeld in 3 pijlers, video's, examens of quizz en programmeeroefeningen. Het is in het Engels. Je hebt ondertitels in verschillende talen, maar het Spaans is niet erg goed en soms zijn ze verouderd, veel beter als je ze in het Engels zet.

Het is nogal theoretisch. Maar misschien lijkt het daarom een ​​goede manier om te beginnen, omdat je niet alleen gaat leren wat je moet doen, maar ook waarom je het doet.

  • Wanneer u het ene of het andere algoritme moet kiezen.
  • Hoe u de verschillende parameters kiest en definieert.
  • Welke problemen kunnen er ontstaan ​​met de algoritmen en vooral welke maatregelen er genomen moeten worden.

Het heeft veel algebra en wat calculus, en zie, zoals ik het uitleg, je hoeft echt niet te werken, je hoeft niet tot die vergelijkingen te komen, ze te bewijzen of ze te wijzigen, nou ja, gewoon vectoriseren. Dus zelfs als je rekenniveau niet goed is, zou je de cursus kunnen volgen, maar het is natuurlijk moeilijk om urenlang naar video's te kijken en te luisteren waarin ze elke term uitleggen hoe het van invloed is en waarom het er is.

Lineaire regressie en logistiek
Dia met kostenfunctie voor logistieke regressie

Als je niet weet wat het is Machine Learning, laten we zeggen dat het een onderdeel is van kunstmatige intelligentie dat is gewijd aan algoritmen die dit alles van machine vision, spamclassificatie, enz. enz. laten werken.

Mijn visie heeft me veranderd. Toen u over dit soort problemen nadacht, werd u ermee geconfronteerd vanuit een programmeerstandpunt, denkend aan lussen, voorwaarden, enz. En het zijn eigenlijk allemaal functies, minimalisatie van kostenfuncties, wat afstanden tussen punten kunnen zijn. Voorspellingen op basis van regressies, enz., Enz

Aanbevelingssystemen met Machine Learning
Algoritme-voorbeeld van een filmaanbevelingssysteem

Cursusoverzicht

Hierboven staan ​​dus de hoofdonderdelen van de cursus, verdeeld in twee delen: het begeleide deel en het onbewaakte deel

Leren onder toezicht

  • Model- en kostenfunctie
  • Gradiëntafdaling voor lineaire regressie
  • Regularisatie
  • Neurale netwerken
  • Classificatie van grote machines en kernels
  • Hoofdcomponentenanalyse (PCA)
  • Machine Learning-systeemontwerp
  • Ondersteuning van vectormachines

Niet-gecontroleerd leren

  • Dimensionaliteitsvermindering
  • Onregelmatigheidsdetectie
  • Aanbevolen systemen
  • Grootschalige machine learning

Ik laat dingen maar kom op is het belangrijkste, dan gaat alles kapot.

Voor de praktijk gebruik je Matlab of Octave dat we de Matlab OpenSource zouden kunnen noemen​ Ik heb de cursus met Octave gedaan. Zoals aangegeven in de eerste cursussen, hebben ze voor deze tools gekozen omdat ze snelle prototyping van de algoritmen mogelijk maken. Met andere tools zou de student te veel tijd besteden aan programmeren.

Wat zeker is, is dat hoewel het niet gemakkelijk is, ze alles voor u klaar laten liggen om het af te maken. Je hebt de hele omgeving klaar voor de oefeningen, de datasets, de plots van de grafieken, veel functies en variabelen die je kunt gebruiken en wat de student doet is een paar regels invullen met de belangrijkste algoritmen.

Ik herhaal, het is niet triviaal, vooral omdat je veel tijd besteedt aan het kijken naar hoe iets met Octave wordt gedaan.

Praktische toepassingen

Voorbeelden van toepassingen zien en wat er kan worden gedaan Ik twijfel er niet aan dat dit de toekomst van de industrie is​ Elk bedrijf zal uiteindelijk oplossingen implementeren met machine learning, kunstmatige intelligentie of hoe we het ook willen noemen om voorspellingen te verbeteren, kwaliteit te controleren en de verschillende productieprocessen te verbeteren. Let erop dat ik het niet alleen heb over applicaties, of de online wereld, maar over fysieke bedrijven, diensten, productie, logistiek, etc.

Naast de reeds bekende, spraakherkenning, OCR, computer vision, taalvertalers,

Beveel systemen, voorspellingen aan

En nu dat

Dit jaar is het mijn idee om te proberen in de praktijk te brengen wat ik heb geleerd door een aantal hulpmiddelen te maken die ons op het werk enorm zouden helpen. Ik weet dat het niet gemakkelijk zal zijn en dat ik mezelf vertrouwd moet maken met Python en een bepaald framework, nou ja Tensor Flow, PyTorch en een bibliotheek als Numpy. Ik moet de markt onderzoeken.

Daarnaast wil ik me verdiepen in Deep Learning met de gratis cursus aangeboden op http://course.fast.ai/ en ook beginnen met Big Data, een ander vakgebied gerelateerd aan kunstmatige intelligentie en Machine Learning en dat zou ook erg handig voor mij op mijn werk. Ik heb me gespecialiseerd in Coursera Big Data  er zijn betere, maar veel duurder.

Als u vragen heeft, kunt u een reactie achterlaten.

6 reacties op "Ik heb de Coursera Machine Learning-cursus afgerond"

  1. Goede Nacho,
    Allereerst bedankt voor het delen van uw ervaringen. Sinds ik op een afdeling bij Data Scientist werk, wil ik al een hele tijd een cursus volgen die verband houdt met Big Data / Machine Learning en in de toekomst ga ik misschien een masteropleiding doen die gerelateerd is aan het onderwerp.
    Ik ben Industrieel Ingenieur en heb een algemeen idee van hoe Big Data werkt, maar ik zou graag willen weten of je adviseert om een ​​eerdere Big Data cursus te volgen of dat de Machine Learning cursus direct kan worden gedaan.
    Aan de andere kant is mijn niveau Engels niet erg hoog (vrij laag), dus ik weet niet of ik problemen zou hebben met de cursus.
    Bedankt voor je tijd! Al het beste.

    antwoord
    • Hallo Javier. Het is een inleidende cursus en vrij theoretisch dus het is niet nodig om kennis te hebben van big data, omdat je geen datasets hoeft te verzamelen, dit wordt je al gegeven in de oefeningen. Ze vragen je "alleen" om het hoofdalgoritme te implementeren.

      En wat het Engels betreft. De video's zijn ondertiteld in het Engels en Spaans. En dan zijn er de transcripties. Je hoeft niet te praten, dus ik denk dat je geen probleem zult hebben. Misschien kost het u iets meer, maar ik zie het niet als een belemmering.

      Groeten en vertel me of je durft. ​

      antwoord
  2. Ik ben begonnen met de cursus, ik begrijp de hele kwestie van de eerste 2 weken, maar op het moment dat ik de eerste toegewezen taak uitvoerde, weet ik niet hoe ik moet implementeren wat er ontbreekt om het programma volledig te laten draaien, zoals u zegt faciliteer al bijna alles, maar ik heb alles gedaan wat ze in de video's uitleggen en niets, en ik zou het leuk vinden als je me daar wat hulp bij kon geven.

    antwoord

Laat een reactie achter