Curso intensivo de aprendizado de máquina

Crítica e opinião sobre o curso de aprendizado de máquina do Google

Acabei de fazer o curso de desenvolvedor para Curso intensivo de aprendizado de máquina do Google. Um curso introdutório, onde eles fornecem o básico e vê exemplos de implementações reais com o TensorFlow. Esses exemplos são o que me encorajou a fazer isso.

Crash vs. Aprendizado de máquina Coursera

É um curso muito mais simples do que o de Coursera Machine Learning e mais prático. Digamos que o curso do Coursera se concentre em você entender como os algoritmos funcionam matematicamente, enquanto no Crash do Google esses algoritmos são quase como caixas pretas, eles fornecem uma pequena explicação e ensinam a implementá-la com o Tensor Flow.

E essa é a grande diferença. O curso do Google, apesar de explicar com muito menos profundidade os diferentes conceitos e algoritmos do Aprendizado de Máquina, nos ensina a aplicá-los e começar a usar TensorFlow e Keras.

Todos os exercícios são feitos com google colab, com a qual já temos o ambiente de desenvolvimento preparado. É uma grande diferença com o curso Cursera que trabalha com Matalab ou Octave para implementar os algoritmos. Mas você não vê nada do Tensorflow ou como resolver um problema real.

Citando meu comentário na revisão desse curso

É bastante teórico. Mas talvez seja por isso que parece uma boa maneira de começar, porque você não só aprenderá o que fazer, mas também por que o faz.

- Quando escolher um algoritmo ou outro.

- Como escolher e definir os diferentes parâmetros.

- Quais problemas podem surgir com os algoritmos e, especialmente, quais medidas tomar.

O curso Machine Learning Crash do Google pode ser feito mesmo que você não tenha um alto nível de matemática, o Coursera de Andrew Ng não

Agenda: O que se vê no curso

curso introdutório ao aprendizado de máquina

Primeiro, você começa com uma explicação do que é Aprendizado de Máquina, principais conceitos e tipos de problemas. E com isso, é hora de falar sobre os seguintes pontos. Perdoe que haja muito termo em inglês, mas o curso é em inglês (embora seja muito fácil de segui-lo) e muitas das chaves ou não têm tradução, ou quando traduzidas perde sentido, porque no contexto de Aprendizado de Máquina todos e em todos os sites falam em inglês.

  • Regressão Linear ou Regressão Linear
  • Perda ao quadrado: uma função de perda popular
  • Gradient Down e Gradient Down Stochastic
  • Taxa de aprendizagem ou taxa de aprendizagem.
  • Generalização
  • Overfitting
  • Conjunto de validação
  • Cruzamento de características com o cruzamento de vetores one-hot
  • Não linearidades
  • Regularização (simplicidade e escassez) (L1 e L2)
  • Regressão logística
  • classificação
  • Exatidão, precisão e recall
  • Curva ROC e AUC
  • Redes neurais (treinamento, um vs todos, Softmax)
  • embeddings

Como eu disse, funciona com o Google Colab.

Para quem é

Se você está apenas começando e deseja aprender a implementar exemplos simples. É uma boa maneira de começar.

São 15 horas de curso que você pode fazer no seu próprio ritmo, e embora haja exercícios você não precisa fazer entregas ou passar em nenhum teste.

O curso é gratuito.

E agora?

Como eles são rápidos, com certeza vou olhar o resto que eles têm no Google.

Além de continuar testando alguns dos cursos que deixamos na lista para ver como eles estão e se faço algo sério que já é mais avançado.

Tenho um projeto sério em andamento para a criação de uma ferramenta no trabalho e o que preciso agora é começar a aplicar tudo o que aprendi nessa época e lutar com os problemas reais.

Vou continuar relatando meu progresso no blog.

Deixe um comentário