ฉันเรียนจบหลักสูตร Coursera Machine Learning แล้ว

ฉันเรียนจบหลักสูตร Coursera Machine Learning แล้ว

ฉันทำเสร็จแล้ว หลักสูตร Machine Learning ที่นำเสนอโดย Stanford University ใน Courseraและเนื่องจากมีหลายคนที่ถามฉันอย่างเปิดเผยและเป็นการส่วนตัวเกี่ยวกับเรื่องนี้ฉันจึงอยากให้รายละเอียดเพิ่มเติมอีกเล็กน้อยว่ามันดูเหมือนกับฉันและใครก็ตามที่ตัดสินใจที่จะทำมันจะรู้ว่าพวกเขาจะเจออะไร

มันเป็น หลักสูตรฟรีเกี่ยวกับ Machine Learningสอนโดย Andrew Ng. เมื่อเสร็จสิ้นหากคุณต้องการคุณสามารถมีใบรับรองที่รับรองทักษะที่ทำได้ในราคา€ 68 แบ่งออกเป็น 3 เสาหลักวิดีโอข้อสอบหรือแบบทดสอบและแบบฝึกหัดการเขียนโปรแกรม เป็นภาษาอังกฤษ คุณมีคำบรรยายในหลายภาษา แต่ภาษาสเปนไม่ค่อยดีนักและบางครั้งก็ล้าสมัยดีกว่ามากถ้าคุณใส่เป็นภาษาอังกฤษ

มันค่อนข้างเป็นทฤษฎี แต่นั่นอาจเป็นสาเหตุที่ดูเหมือนเป็นวิธีที่ดีในการเริ่มต้นเพราะคุณไม่เพียง แต่จะเรียนรู้สิ่งที่ต้องทำ แต่ทำไมคุณถึงทำมันด้วย

  • เมื่อใดควรเลือกอัลกอริทึมหนึ่งหรืออีกวิธีหนึ่ง
  • วิธีการเลือกและกำหนดพารามิเตอร์ต่างๆ
  • ปัญหาอะไรที่อาจเกิดขึ้นกับอัลกอริทึมและโดยเฉพาะมาตรการที่ต้องดำเนินการ

มันมีพีชคณิตจำนวนมากและแคลคูลัสบางอย่างและเพื่อดูว่าอย่างที่ฉันอธิบายคุณไม่จำเป็นต้องดำเนินการจริงๆคุณไม่ต้องมาถึงสมการเหล่านั้นพิสูจน์หรือปรับเปลี่ยนได้ดีแค่ vectorize พวกเขา ดังนั้นแม้ว่าระดับคณิตศาสตร์ของคุณจะไม่ดีคุณก็สามารถทำหลักสูตรนี้ได้ แต่แน่นอนว่าการใช้เวลาหลายชั่วโมงในการดูและฟังวิดีโอซึ่งพวกเขาอธิบายว่าแต่ละคำมีอิทธิพลอย่างไรและทำไมจึงอยู่ที่นั่นเป็นเรื่องยาก

สมัครรับข้อมูลรายชื่ออีเมลของเรา

การถดถอยเชิงเส้นและการขนส่ง
สไลด์พร้อมฟังก์ชันต้นทุนสำหรับ Logistic Regression

ถ้าคุณไม่รู้ว่ามันคืออะไร การเรียนรู้ของเครื่องสมมติว่าเป็นส่วนหนึ่งของปัญญาประดิษฐ์ที่ทุ่มเทให้กับอัลกอริทึม ซึ่งทำให้ทั้งหมดนี้เกิดจากการมองเห็นของเครื่องการจัดประเภทสแปม ฯลฯ และอื่น ๆ

วิสัยทัศน์ของฉันทำให้ฉันเปลี่ยนไป เมื่อคุณคิดถึงปัญหาประเภทนี้คุณต้องเผชิญกับปัญหาเหล่านี้จากมุมมองการเขียนโปรแกรมการคิดถึงลูปเงื่อนไข ฯลฯ และเป็นฟังก์ชันทั้งหมดการลดฟังก์ชันต้นทุนซึ่งอาจเป็นระยะทางระหว่างจุดต่างๆ การคาดการณ์ตามการถดถอย ฯลฯ ฯลฯ

ระบบคำแนะนำพร้อม Machine Learning
ตัวอย่างอัลกอริทึมของระบบแนะนำภาพยนตร์

สรุปหลักสูตร

ข้างบนนี้คือส่วนหลักของหลักสูตรแบ่งออกเป็นสองส่วนคือส่วนที่มีการดูแลและส่วนที่ไม่ได้รับการดูแล

การเรียนรู้ภายใต้การดูแล

  • ฟังก์ชัน Model and Cost
  • การไล่ระดับสีสำหรับการถดถอยเชิงเส้น
  • การทำให้สม่ำเสมอ
  • โครงข่ายประสาท
  • การจำแนกประเภทเครื่องจักรและเมล็ดขนาดใหญ่
  • การวิเคราะห์องค์ประกอบหลัก (PCA)
  • การออกแบบระบบ Machine Learning
  • สนับสนุนเครื่องเวกเตอร์

การเรียนรู้ที่ไม่มีผู้ดูแล

  • การลดขนาด
  • การตรวจจับความผิดปกติ
  • ระบบผู้แนะนำ
  • การเรียนรู้ของเครื่องขนาดใหญ่

ฉันทิ้งของไว้ แต่มาเป็นสิ่งสำคัญแล้วทุกอย่างก็พังทลาย

สำหรับการปฏิบัติคุณใช้ Matlab หรือ Octave ที่เราสามารถพูดได้ว่า Matlab OpenSource. ฉันได้ทำหลักสูตรกับ Octave แล้ว ตามที่ระบุไว้ในหลักสูตรแรกพวกเขาเลือกเครื่องมือเหล่านี้เนื่องจากอนุญาตให้สร้างอัลกอริทึมต้นแบบได้อย่างรวดเร็ว ด้วยเครื่องมืออื่น ๆ นักเรียนจะใช้เวลาในการเขียนโปรแกรมมากเกินไป

สิ่งที่แน่นอนก็คือแม้ว่ามันจะไม่ใช่เรื่องง่าย แต่พวกเขาก็ปล่อยให้ทุกอย่างพร้อมให้คุณทำมันให้เสร็จ คุณมีสภาพแวดล้อมทั้งหมดพร้อมสำหรับแบบฝึกหัดชุดข้อมูลพล็อตของกราฟฟังก์ชั่นและตัวแปรมากมายที่จะใช้และสิ่งที่นักเรียนทำคือเติมอัลกอริทึมหลักในสองสามบรรทัด

ฉันขอย้ำว่ามันไม่ได้เป็นเรื่องเล็กน้อยโดยเฉพาะอย่างยิ่งเมื่อคุณใช้เวลาส่วนใหญ่ในการเฝ้าดูว่ามีอะไรเกิดขึ้นกับ Octave

การใช้งานจริง

ดูตัวอย่างการใช้งานและสิ่งที่สามารถทำได้ ฉันไม่สงสัยเลยว่านี่คืออนาคตของอุตสาหกรรม. บริษัท ใดก็ตามจะนำโซลูชันไปใช้กับการเรียนรู้ของเครื่องปัญญาประดิษฐ์หรืออะไรก็ตามที่เราต้องการเรียกว่าเพื่อปรับปรุงการคาดการณ์ควบคุมคุณภาพและปรับปรุงกระบวนการผลิตต่างๆ ฉันไม่เพียง แต่พูดถึงแอปพลิเคชันหรือโลกออนไลน์เท่านั้น แต่เกี่ยวกับ บริษัท ทางกายภาพบริการการผลิตโลจิสติกส์ ฯลฯ

นอกเหนือจากสิ่งที่รู้จักกันแล้วการจดจำเสียง OCR วิสัยทัศน์คอมพิวเตอร์นักแปลภาษา

แนะนำระบบการคาดการณ์

และตอนนี้ที่

ในปีนี้ความคิดของฉันคือพยายามนำสิ่งที่ได้เรียนรู้ไปปฏิบัติจริงโดยการสร้างเครื่องมือบางอย่างที่จะช่วยเราได้มากในที่ทำงาน ฉันรู้ว่ามันจะไม่ใช่เรื่องง่ายและฉันจะต้องทำความคุ้นเคยกับ Python และเฟรมเวิร์กบางอย่างเช่น Tensor Flow, PyTorch และไลบรารีอย่าง Numpy ฉันต้องสอบสวนตลาด

นอกจากนี้ฉันต้องการเจาะลึกการเรียนรู้เชิงลึกด้วยหลักสูตรฟรีที่ http://course.fast.ai/ และเริ่มต้นด้วย Big Data ซึ่งเป็นสาขาอื่นที่เกี่ยวข้องกับปัญญาประดิษฐ์และการเรียนรู้ของเครื่องและนั่นก็จะเป็นเช่นกัน มีประโยชน์มากสำหรับฉันในการทำงานของฉัน ฉันดูเชี่ยวชาญใน Coursera ข้อมูลขนาดใหญ่  มีตัวที่ดีกว่า แต่แพงกว่ามาก

หากคุณมีคำถามใด ๆ คุณสามารถแสดงความคิดเห็น

ความคิดเห็นที่ 6 เกี่ยวกับ "ฉันเรียนจบหลักสูตร Coursera Machine Learning แล้ว"

  1. ดี Nacho
    ก่อนอื่นขอขอบคุณสำหรับการแบ่งปันประสบการณ์ของคุณ ฉันอยากเรียนหลักสูตรที่เกี่ยวข้องกับ Big Data / Machine Learning มาระยะหนึ่งแล้วเนื่องจากฉันทำงานในแผนกกับ Data Scientist และในอนาคตฉันอาจจะสำเร็จการศึกษาระดับปริญญาโทที่เกี่ยวข้องกับวิชานั้น
    ฉันเป็นวิศวกรอุตสาหการและฉันมีความคิดทั่วไปว่า Big Data ทำงานอย่างไร แต่ฉันอยากทราบว่าคุณแนะนำให้เรียนหลักสูตร Big Data ก่อนหน้านี้หรือ Machine Learning ได้โดยตรง
    ในทางกลับกันระดับภาษาอังกฤษของฉันไม่สูงมาก (ค่อนข้างต่ำ) ดังนั้นฉันจึงไม่รู้ว่าจะมีปัญหาในการทำหลักสูตรหรือไม่
    ขอบคุณที่สละเวลา! สิ่งที่ดีที่สุด

    คำตอบ
    • สวัสดี Javier เป็นหลักสูตรเบื้องต้นและค่อนข้างเป็นทฤษฎีดังนั้นจึงไม่จำเป็นต้องมีความรู้เกี่ยวกับข้อมูลขนาดใหญ่เนื่องจากคุณไม่จำเป็นต้องรวบรวมชุดข้อมูลสิ่งนี้ได้มอบให้กับคุณในแบบฝึกหัดแล้ว พวกเขา "เท่านั้น" ขอให้คุณใช้อัลกอริทึมหลัก

      และสำหรับภาษาอังกฤษ วิดีโอมีคำบรรยายเป็นภาษาอังกฤษและสเปน แล้วก็มีการถอดเสียง คุณไม่ต้องพูดดังนั้นฉันคิดว่าคุณจะไม่มีปัญหา บางทีคุณอาจเสียค่าใช้จ่ายบางอย่างมากขึ้น แต่ฉันไม่เห็นว่าเป็นอุปสรรค

      ทักทายและบอกฉันว่าคุณกล้า :)

      คำตอบ
  2. ฉันได้เริ่มต้นหลักสูตรนี้ฉันเข้าใจปัญหาทั้งหมดของ 2 สัปดาห์แรก แต่ในช่วงเวลาของการปฏิบัติภารกิจที่ได้รับมอบหมายครั้งแรกฉันไม่รู้ว่าจะนำสิ่งที่ขาดไปไปใช้อย่างไรเพื่อให้โปรแกรมทำงานได้อย่างสมบูรณ์อย่างที่คุณพูด อำนวยความสะดวกเกือบทุกอย่างอยู่แล้ว แต่ฉันได้ทำทุกอย่างตามที่อธิบายไว้ในวิดีโอแล้ว แต่ก็ไม่ได้ทำอะไรเลยและฉันอยากให้คุณช่วยฉันบ้าง

    คำตอบ

แสดงความคิดเห็น