Курс машинного навчання Crash

Огляд і огляд курсу Google машинного навчання

Я щойно пройшов курс розробника для Аварійний курс машинного навчання Google. Вступний курс, де вони дають вам основи та бачать приклади реальних реалізацій за допомогою TensorFlow. Саме ці приклади спонукають мене до цього.

Збій проти машинного навчання Coursera

Це набагато простіший курс, ніж курс Coursera Машинне навчання і більш практичним. Скажімо, курс Coursera зосереджений на тому, щоб ви зрозуміли, як алгоритми працюють математично, тоді як у Google Crash ці алгоритми майже як чорні ящики, вони дають вам невелике пояснення та навчать реалізувати його за допомогою Tensor Flow.

І це велика різниця. Курс Google, незважаючи на набагато меншу пояснення різних концепцій та алгоритмів машинного навчання, вчить нас застосовувати їх та починати використовувати TensorFlow та Keras.

Всі вправи виконуються за допомогою google colab, за допомогою якого ми вже підготували середовище розвитку. Це велика відмінність від курсу Cursera, який працює з Matalab або Octave для реалізації алгоритмів. Але ви нічого не бачите у Tensorflow або в тому, як вирішити справжню проблему.

Цитуючи мій коментар в огляді цього курсу

Це цілком теоретично. Але, можливо, саме тому це здається хорошим способом розпочати, тому що ви збираєтесь не тільки навчитися, що робити, але чому ви це робите.

- Коли обирати той чи інший алгоритм.

- Як вибрати та визначити різні параметри.

- Які проблеми можуть виникнути з алгоритмами і особливо які заходи вжити.

Аварійний курс машинного навчання Google можна пройти, навіть якщо у вас немає високого рівня математики, курсу Ендрю Нга немає

Порядок денний: Що бачимо в курсі

вступний курс до машинного навчання

По -перше, ви починаєте з пояснення того, що таке машинне навчання, основні поняття та типи проблем. І ось настав час поговорити про наступні моменти. Вибачте, що існує багато термінів англійською мовою, але курс англійською мовою (хоча слідувати за ним дуже легко) і багато клавіш або не мають перекладу, або при перекладі він втрачає сенс, тому що в контексті машинного навчання всіх, і на всіх сайтах говорять їх англійською.

  • Лінійна регресія або Лінійна регресія
  • Квадратні втрати: популярна функція втрат
  • Градієнт вниз та градієнт стохастичний вниз
  • Швидкість навчання або швидкість навчання.
  • Узагальнення
  • Переобладнання
  • Набір перевірки
  • Особливість перетину з перетином одногарячих векторів
  • Нолінеарності
  • Регуляризація (простота та рідкість) (L1 та L2)
  • Логістична регресія
  • Класифікація
  • Точність, точність та відкликання
  • Крива ROC і AUC
  • Нейромережі (Навчання, Один проти всіх, Softmax)
  • Вкладиші

Як я вже сказав, він працює з Google Colab.

Для кого це

Якщо ви тільки починаєте і хочете навчитися реалізовувати прості приклади. Це хороший спосіб почати.

Звичайно, є 15 годин, які ви можете виконувати у власному темпі, і хоча є вправи, вам не потрібно здійснювати поставки або проходити будь -які тести.

Курс безкоштовний.

А тепер що?

Оскільки вони швидкі, я обов’язково подивлюсь на решту, яку вони мають у Google.

Окрім продовження тестування деяких курси, які ми залишили у списку подивитися, як вони, і якщо я серйозно займуся тим, що вже є більш просунутим.

У мене зараз серйозний проект зі створення інструменту на роботі, і зараз мені потрібно почати застосовувати все, чого навчився за цей час, і боротися зі справжніми проблемами.

Я буду продовжувати повідомляти про свій прогрес у блозі.

залишити коментар