Kursus Mesin Kacilakaan Pembelajaran

Tinjauan sareng pendapat ngeunaan pembelajaran mesin google kursus

Kuring nembé ngalakukeun kursus pamekar pikeun Kursus Mesin kacilakaan Pembelajaran Google. Tangtu bubuka, dimana aranjeunna masihan anjeun dasar-dasarna sareng ningali conto palaksanaan nyata sareng TensorFlow. Conto ieu anu ngajurung kuring pikeun ngalakukeun éta.

Kacilakaan vs Mesin Pembelajaran Coursera

Éta tangtu anu langkung saderhana tibatan éta Pembelajaran Mesin Coursera sareng langkung praktis. Anggap kursus Coursera museurkeun kana anjeun ngartos kumaha algoritma dianggo sacara matematis nalika dina Google Crash éta algoritma ampir sapertos kotak hideung, éta masihan anjeun sakedik penjelasan sareng ngajarkeun anjeun nerapkeunana sareng Tensor Flow.

Sareng ieu anu ngabédakeun ageung. Kursus Google, sanaos ngajelaskeun langkung jero teuing konsep sareng algoritma anu béda tina Pembelajaran Mesin, ngajarkeun urang pikeun nerapkeunana sareng mimitian nganggo TensorFlow sareng Keras.

Sadaya latihan réngsé kalayan google colab, kalayan anu urang parantos parantos nyiapkeun lingkungan pangwangunan. Éta bédana ageung sareng kursus Cursera anu tiasa dianggo sareng Matalab atanapi Octave pikeun nerapkeun algoritma. Tapi anjeun henteu ningali nanaon ti Tensorflow atanapi kumaha ngabéréskeun masalah anu leres.

Ngutip koméntar kuring dina marios kursus éta

Éta rada teoritis. Tapi panginten éta sababna sigana mangrupikeun cara anu saé pikeun ngamimitian kusabab anjeun henteu ngan ukur bakal diajar naon anu kedah dilakukeun tapi naha anjeun ngalakukeun éta.

- Nalika milih salah sahiji algoritma atanapi anu sanés.

- Kumaha carana milih sareng ngahartikeun parameter anu béda.

- Masalah naon anu tiasa timbul ku algoritma sareng utamina anu kedah dilakukeun.

Kursus Mesin Learning Crash ti Google tiasa dilakukeun sanaos anjeun henteu ngagaduhan matématika tingkat luhur, Coursera ti Andrew Ng henteu

Agenda: Naon anu katingali dina kursus

kursus bubuka pikeun diajar mesin

Mimiti, anjeun mimitian ku panjelasan ngeunaan naon anu Mesin Pembelajaran, konsép utami sareng jinis masalah. Sareng ieu, parantos waktosna nyarioskeun perkawis poin-poin ieu. Hapunten bilih aya seueur istilah dina basa Inggris, tapi kursus na dina basa Inggris (sanaos gampang pisan nuturkeunana) sareng seueur kuncina boh henteu ngagaduhan tarjamahan, atanapi nalika ditarjamahkeun éta bakal kaleungitan akal, sabab dina kontéksna ngeunaan Mesin Diajar sadayana sareng dina sadaya situs nyarios aranjeunna dina basa Inggris.

  • Linear Regression atanapi Linear Regression
  • Leungit kuadrat: fungsi rugi populér
  • Gradién Turun sareng Gradién Turun Stokastik
  • Tingkat diajar atanapi tingkat diajar.
  • Generalisasi
  • Overfitting
  • Validasi disetél
  • Pameuntasan fitur sareng pameuntasan vektor hiji-panas
  • Kamanusaan
  • Regularization (kesederhanaan sareng sparcity) (L1 sareng L2)
  • Régrési logistik
  • carana ngumpulan
  • Akurasi, presisi sareng ngelingan
  • Kurva ROC sareng AUC
  • Jaringan saraf (Latihan, Hiji vs Sadayana, Softmax)
  • Lebetkeun

Sakumaha anu kuring carioskeun, éta tiasa dianggo sareng Google Colab.

Pikeun saha éta

Upami anjeun nembé ngamimitian sareng hoyong diajar nerapkeun conto saderhana. Mangrupikeun cara anu saé pikeun ngamimitian.

Aya 15 jam tangtosna anu tiasa anjeun laksanakeun kalayan gancang, sareng sanaos aya latihan anjeun henteu kedah ngalakukeun pangiriman atanapi lulus tes naon waé.

Kursus na gratis.

Sareng ayeuna kitu?

Kusabab aranjeunna gancang, kuring pasti bakal ningali sésana anu aranjeunna gaduh di Google.

Salian ti nuluykeun tés sababaraha kursus anu urang tinggalkeun dina daptar ningali kumaha kaayaan aranjeunna sareng upami kuring ngalakukeun hal anu serius éta parantos langkung maju.

Kuring gaduh proyek serius anu lumangsung pikeun nyiptakeun alat dina damel sareng anu diperyogikeun ayeuna nyaéta ngamimitian ngalarapkeun sagala hal anu kuring pelajari dina waktos ieu sareng merjuangkeun masalah anu sajati.

Kuring bakal tetep ngalaporkeun kamajuan kuring dina blog.

Ninggalkeun comment hiji