Я только что прошел курс разработчика для Ускоренный курс машинного обучения Google. Вводный курс, где вам дадут основы и увидят примеры реальных реализаций с TensorFlow. Эти примеры вдохновили меня на это.
Сбой против машинного обучения Coursera
Это намного проще, чем Машинное обучение Coursera и практичнее. Допустим, курс Coursera ориентирован на понимание того, как алгоритмы работают математически, в то время как в Google Crash эти алгоритмы почти как черные ящики, они дают вам небольшое объяснение и учат реализовывать его с помощью Tensor Flow.
И в этом большая разница. Курс Google, несмотря на гораздо менее подробное объяснение различных концепций и алгоритмов машинного обучения, учит нас применять их и начинать использовать TensorFlow и Keras.
Все упражнения выполняются с Google Colab, с которыми у нас уже подготовлена среда разработки. Это большая разница с курсом Cursera, который работает с Matalab или Octave для реализации алгоритмов. Но вы ничего не видите ни от Tensorflow, ни как решить реальную проблему.
Цитируя мой комментарий в обзоре этого курса
Это довольно теоретически. Но, возможно, именно поэтому это кажется хорошим началом, потому что вы не только научитесь, что делать, но и почему вы это делаете.
- Когда выбирать тот или иной алгоритм.
- Как выбрать и определить различные параметры.
- Какие проблемы могут возникнуть с алгоритмами и какие меры принять.
Ускоренный курс машинного обучения от Google можно пройти, даже если у вас нет высокого уровня математики, на Coursera от Эндрю Нг нет
Повестка дня: что видно в курсе
Во-первых, вы начнете с объяснения того, что такое машинное обучение, основных понятий и типов проблем. А теперь пора поговорить о следующих моментах. Простите, что на английском много терминов, но курс на английском (хотя следовать ему очень легко) и многие ключи либо не имеют перевода, либо при переводе теряют смысл, потому что в контексте машинного обучения все и на всех сайтах говорят их по-английски.
- Линейная регрессия или линейная регрессия
- Квадрат потерь: популярная функция потерь
- Градиент вниз и градиент вниз Стохастик
- Скорость обучения или скорость обучения.
- Обобщение
- переобучения
- Набор для проверки
- Пересечение признаков с пересечением одно-горячих векторов
- Нелинейности
- Регуляризация (простота и разреженность) (L1 и L2)
- Логистическая регрессия
- Классификация
- Точность, точность и отзывчивость
- Кривая ROC и AUC
- Нейронные сети (обучение, один против всех, Softmax)
- вложения
Как я уже сказал, он работает с Google Colab.
Для кого это
Если вы только начинаете и хотите научиться реализовывать простые примеры. Это хороший способ начать.
Конечно, есть 15 часов, которые вы можете выполнять в своем собственном темпе, и хотя есть упражнения, вам не нужно делать доставку или проходить какие-либо тесты.
Курс бесплатный.
И что теперь?
Поскольку они быстрые, я обязательно посмотрю на остальные, что у них есть в Google.
- Ускоренный курс
- Постановка проблемы
- Подготовка данных
- Кластеризация
- Рекомендация
- Тестирование и отладка
- Gans
Помимо продолжения тестирования некоторых курсы, которые мы оставили в списке чтобы увидеть, как они обстоят, и если я серьезно займусь чем-то, что уже является более продвинутым.
У меня есть серьезный проект по созданию рабочего инструмента, и сейчас мне нужно начать применять все, что я узнал за это время, и бороться с настоящими проблемами.
Я буду продолжать сообщать о своем прогрессе в блоге.
