Natapos ko na ang Ang kurso sa Pag-aaral ng Machine na inaalok ng unibersidad ng Stanford sa Coursera, at dahil marami na ang nagtanong sa akin ng hayagan at pribado tungkol dito, nais kong detalyado nang kaunti pa kung ano ang para sa akin at na ang sinumang magpasya na gawin ito ay alam kung ano ang mahahanap nila.
Ito ay isang libreng kurso sa Pag-aaral ng Machine, itinuro ni Andrew Ng. sa sandaling natapos kung nais mo maaari kang magkaroon ng isang sertipiko na nag-eendorso ng mga kasanayan na nakamit sa € 68. Ito ay nahahati sa 3 mga haligi, video, Pagsusulit o Quizz at mga pagsasanay sa programa. Nasa English ito. Mayroon kang mga subtitle sa maraming mga wika, ngunit ang Espanyol ay hindi masyadong mahusay at kung minsan ang mga ito ay wala na sa panahon, mas mabuti kung ilalagay mo ang mga ito sa Ingles.
Ito ay lubos na teoretikal. Ngunit marahil iyon ang dahilan kung bakit parang isang mahusay na paraan upang magsimula dahil hindi mo lang matututunan kung ano ang gagawin ngunit kung bakit mo ito ginagawa.
- Kailan pumili ng isang algorithm o iba pa.
- Paano pipiliin at tukuyin ang iba't ibang mga parameter.
- Anong mga problema ang maaaring lumitaw sa mga algorithm at lalo na kung anong mga hakbang ang dapat gawin.
Mayroon itong maraming algebra at ilang pagkalkula, at tingnan, habang ipinapaliwanag ko ito, talagang hindi mo kailangang mapatakbo, hindi mo kakailanganin na makarating sa mga equation na iyon, patunayan ang mga ito, o baguhin ang mga ito, mabuti, i-vectorize lamang ang mga ito . Kaya't kahit na ang iyong antas ng matematika ay hindi maganda, maaari mong gawin ang kurso, ngunit syempre, ang paggastos ng maraming oras sa panonood at pakikinig sa mga video kung saan ipinapaliwanag nila ang bawat term kung paano ito nakakaimpluwensya at kung bakit ito naroroon, ay mahirap.
Kung hindi mo alam kung ano ito Pag-aaral ng Machine, sabihin natin na ito ay isang bahagi ng Artipisyal na Katalinuhan na nakatuon sa mga algorithm na ginagawa ang lahat ng ito mula sa paningin ng makina, pag-uuri ng spam, atbp, atbp.
Ang paningin ko ay nagbago sa akin. Kapag naisip mo ang tungkol sa mga ganitong uri ng problema, hinarap mo sila mula sa isang pananaw sa pag-program, pag-iisip tungkol sa mga loop, kundisyon, atbp. At talagang lahat sila ay mga pagpapaandar, pag-minimize ng mga pagpapaandar sa gastos, na maaaring distansya sa pagitan ng mga punto. Mga hula batay sa mga pag-urong, atbp, atbp
Buod ng kurso
Kaya sa itaas ito ang mga pangunahing bahagi ng kurso, nahahati sa dalawa, ang pinangangasiwaang bahagi at ang Hindi sinusuportahang bahagi
Pinangangasiwaang Pag-aaral
- Pag-andar ng Modelo at Gastos
- Gradient na pinagmulan para sa linear regression
- Regularization
- Mga Neural Network
- Malaking Pag-uuri ng Makina at Kernels
- Principal Component Analysis (PCA)
- Disenyo ng system ng Pag-aaral ng Machine
- Suportahan ang Mga Makina ng Vector
Hindi suportadong Pag-aaral
- Pagbawas sa Dimensionality
- Anomaly Detection
- Mga Sistema ng Tagapayo
- Malaking Pag-aaral ng Makina ng Kaliskis
Iniwan ko ang mga bagay ngunit dumating sa pangunahing bagay, pagkatapos ay nasisira ang lahat.
Para sa pagsasanay na ginagamit mo Matlab o Octave na maaari naming sabihin ang Matlab OpenSource. Natapos ko na ang kurso kay Octave. Tulad ng ipinahiwatig sa mga unang kurso, pinili nila ang mga tool na ito dahil pinapayagan nila ang mabilis na prototyping ng mga algorithm. Sa iba pang mga tool ang mag-aaral ay gugugol ng masyadong maraming oras sa pag-program.
Ano ang sigurado na bagaman hindi ito madali, iniiwan nila ang lahat na handa na para matapos mo ito. Handa mo ang buong kapaligiran para sa mga ehersisyo, mga hanay ng data, mga lagay ng mga graph, maraming mga pag-andar at variable na gagamitin at kung ano ang ginagawa ng mag-aaral ay pinunan ang ilang mga linya sa mga pangunahing algorithm.
Uulitin ko, hindi ito walang halaga, lalo na't gumugugol ka ng maraming oras sa panonood kung paano ang isang bagay ay nagawa kay Octave.
Mga praktikal na aplikasyon
Nakakakita ng mga halimbawa ng mga application at kung ano ang maaaring gawin Wala akong alinlangan na ito ang kinabukasan ng industriya. Ang sinumang kumpanya ay magtatapos sa pagpapatupad ng mga solusyon sa pag-aaral ng makina, artipisyal na intelihensiya o anumang nais nating tawagan ito upang mapabuti ang mga hula, kontrolin ang kalidad at pagbutihin ang iba't ibang mga proseso ng produksyon. Bigyang pansin na hindi lamang ako nagsasabi tungkol sa mga application, o sa online na mundo, ngunit tungkol sa mga pisikal na kumpanya, serbisyo, produksyon, logistik, atbp.
Bilang karagdagan sa mga alam na, pagkilala sa boses, OCR, paningin sa computer, mga tagasalin ng wika,
Inirerekumenda ang mga system, hula
At ngayon na
Sa taong ito ang aking ideya ay upang subukang isagawa ang natutunan sa pamamagitan ng paglikha ng ilang mga tool na makakatulong sa trabaho. Alam ko na hindi ito magiging madali at kakailanganin kong pamilyar ang aking sarili sa Python at ilang balangkas, mahusay ang Tensor Flow, PyTorch at isang silid-aklatan tulad ng Numpy. Kailangan kong mag-imbestiga sa merkado.
Bilang karagdagan, nais kong suriin ang Deep Learning kasama ang libreng kurso na inaalok sa http://course.fast.ai/ at magsimula din sa Big Data, isa pang mga patlang na nauugnay sa artipisyal na katalinuhan at Pag-aaral ng Makina at iyon din ang magiging napaka kapaki-pakinabang sa akin sa aking trabaho. Tumingin ako sa pagdadalubhasa sa Malaking Data ng Coursera may mga mas mahusay ngunit mas mahal.
Kung mayroon kang anumang mga katanungan maaari kang mag-iwan ng isang komento.
Magandang Nacho,
Una sa lahat salamat sa pagbabahagi ng iyong karanasan. Nais kong gumawa ng isang kurso na nauugnay sa Big Data / Machine Learning nang mahabang panahon mula nang magtrabaho ako sa isang departamento kasama ang Data Scientist at sa hinaharap maaari akong gumawa ng master's degree na may kaugnayan sa paksa.
Isa akong Industrial Engineer at mayroon akong pangkalahatang ideya kung paano gumagana ang Big Data, ngunit nais kong malaman kung payuhan mo ang pagkuha ng isang dating kurso sa Big Data o ang kursong Pag-aaral ng Machine na maaaring gawin nang direkta.
Sa kabilang banda, ang aking antas ng Ingles ay hindi masyadong mataas (sa halip mababa) kaya hindi ko alam kung magkakaroon ako ng mga problema sa pagkuha ng kurso.
Salamat sa oras mo! Lahat ng pinakamahusay.
Kumusta Javier. Ito ay isang panimulang kurso at medyo teoretikal, kaya't hindi kinakailangan na magkaroon ng kaalaman sa malaking data, dahil hindi mo kailangang mangolekta ng mga hanay ng data, naibigay na sa iyo sa mga pagsasanay. Hinihiling ka lamang nila na ipatupad ang pangunahing algorithm.
At para sa English. Ang mga video ay nai-subtitle sa English at Spanish. At pagkatapos ay may mga transcript. Hindi mo kailangang makipag-usap, kaya sa palagay ko wala kang problema. Marahil ay gastos ito sa iyo ng higit pa, ngunit hindi ko ito nakikita bilang isang hadlang.
Pagbati at sabihin sa akin kung maglakas-loob ka. :)
Paano mo nalampasan ang mga problema sa pagsusumite ng mga gawain?
Kumusta Carlos. Anong mga problema ang ibig mong sabihin? Sa platform na magbibigay sa iyo ng isang error?
Nagsimula ako sa kurso, naiintindihan ko ang buong isyu ng unang 2 linggo, ngunit sa oras ng pagsasakatuparan ng unang nakatalagang gawain hindi ko alam kung paano ipatupad kung ano ang nawawala para sa programa na ganap na tumakbo, tulad ng sinabi mo na pinadali na ang halos lahat, ngunit nagawa ko ang lahat na ipinaliliwanag nila sa mga video at wala, at nais kong mabigyan mo ako ng tulong tungkol doon.
Kumusta, sabihin mo sa akin kung alin ang dapat makita kung makakatulong ako sa iyo.
Hello.
Naghahanap ako ng impormasyon mula sa kursong Stanford Machine Learning at dumating sa iyong pahina. Interesado ako sa paksang ito at pag-aaral ng sawa.
Tulad ng sinasabi mo na ito ay tila masyadong teoretikal at naghanap ako ng iba pang mga praktikal ngunit hindi ko alam kung ano ang mga ito. Ang IBM ay may maraming, isa sa mga ito ay ang "IBM AI Engineering Professional Certificate": https://www.coursera.org/professional-certificates/ai-engineer#courses
Pagbati.
Oo, ito ay napaka teoretikal, upang malaman nang mahusay kung paano gumagana ang mga algorithm. Narito ang higit pang mga kurso, https://www.ikkaro.com/cursos-machine-learning-deep-learning-ia/ ang pag-crash ng pag-aaral ng google machine, higit na nailapat. Paggamit ng Tensorflow
Salamat sa inyo.
Gagawin ko ang ipahiwatig mo mula sa google at kung magawa ko itong maayos ay gagawin ko ang isa pang mayroon ka sa Udacity na mas kumpleto at libre rin.