Ben sadece geliştirici kursunu yaptım Google Makine Öğrenimi Hızlandırılmış Kursu. Size temel kavramları verdikleri ve TensorFlow ile gerçek uygulama örneklerini gördükleri bir giriş kursu. Bu örnekler beni buna teşvik etti.
Crash vs. Machine Learning Coursera
Bundan çok daha basit bir derstir. Coursera Makine Öğrenimi ve daha pratik. Diyelim ki Coursera kursu, algoritmaların matematiksel olarak nasıl çalıştığını anlamanıza odaklanırken, Google'ın Crash'inde bu algoritmalar neredeyse kara kutular gibidir, size küçük bir açıklama verir ve bunu Tensor Flow ile uygulamayı öğretir.
Ve bu büyük fark. Google kursu, Makine Öğreniminin farklı kavramlarını ve algoritmalarını çok daha az derinlemesine açıklamamıza rağmen, bize bunları uygulamayı ve TensorFlow ve Keras'ı kullanmaya başlamayı öğretiyor.
Tüm egzersizler yapılır Google İşbirliği, ki bununla birlikte zaten geliştirme ortamını hazırladık. Algoritmaları uygulamak için Matalab veya Octave ile çalışan Cursera kursu ile büyük bir fark var. Ancak Tensorflow'tan veya gerçek bir sorunun nasıl çözüleceğinden hiçbir şey görmüyorsunuz.
Bu kursun incelemesinde yorumumdan alıntı yapmak
Oldukça teorik. Ama belki de bu yüzden başlamak için iyi bir yol gibi görünüyor çünkü sadece ne yapacağınızı değil, neden yaptığınızı da öğreneceksiniz.
- Bir algoritmayı veya diğerini ne zaman seçmeli.
- Farklı parametrelerin nasıl seçileceği ve tanımlanacağı.
- Algoritmalarda ne gibi sorunlar ortaya çıkabilir ve özellikle hangi önlemlerin alınması gerektiği.
Google'dan Machine Learning Crash kursu, yüksek düzeyde matematiğe sahip olmasanız bile yapılabilir, Andrew Ng'den Coursera
Gündem: Kursta görülenler
İlk olarak, Makine Öğreniminin ne olduğu, temel kavramlar ve problem türleri hakkında bir açıklama ile başlarsınız. Ve bununla, aşağıdaki noktalar hakkında konuşmanın zamanı geldi. İngilizce'de çok fazla terim olduğunu, ancak kursun İngilizce olduğunu (takip etmesi çok kolay olmasına rağmen) ve anahtarların çoğunun ya bir çevirisi olmadığını ya da çevrildiğinde anlamını kaybettiğini affedin, çünkü bağlam içinde Makine Öğreniminin herkes ve tüm sitelerde bunları İngilizce olarak söylüyor.
- Lineer Regresyon veya Lineer Regresyon
- Kare kayıp: popüler bir kayıp işlevi
- Gradyan Aşağı ve Gradyan Aşağı Stokastik
- Öğrenme oranı veya öğrenme oranı.
- Genelleme
- Aşırı uyum gösterme
- Doğrulama seti
- Geçiş tek-sıcak vektörleri ile özellik geçişi
- Doğrusal olmayanlar
- Düzenlileştirme (basitlik ve seyreklik) (L1 ve L2)
- Lojistik regresyon
- Sınıflandırma
- Doğruluk, kesinlik ve Geri Çağırma
- ROC Eğrisi ve AUC
- Sinir ağları (Eğitim, Bire Karşı Hepsi, Softmax)
- kalıplamaların
Dediğim gibi, Google Colab ile çalışıyor.
Kimin için
Yeni başlıyorsanız ve basit örnekleri uygulamayı öğrenmek istiyorsanız. Başlamak için iyi bir yol.
Kendi hızınızda yapabileceğiniz 15 saatlik kurs vardır ve egzersizler olmasına rağmen teslimat yapmanız veya herhangi bir testi geçmeniz gerekmez.
Kurs ücretsizdir.
Ve şimdi bu?
Hızlı oldukları için, Google'daki geri kalanına kesinlikle bakacağım.
Bazılarını test etmeye devam etmenin yanı sıra listede bıraktığımız dersler nasıl olduklarını görmek ve eğer ciddi bir şey yaparsam, bu zaten daha ileri düzeyde.
İş yerinde bir alet yaratmak için devam eden ciddi bir projem var ve şimdi ihtiyacım olan şey, bu zamanda öğrendiğim her şeyi uygulamaya başlamak ve gerçek problemlerle savaşmak.
Gelişmeleri blogda paylaşmaya devam edeceğim.
