Le cours d'initiation au machine learning est-il fait pour vous ?
Veuillez consulter les sections Travail préparatoire et Conditions préalables suivantes avant de commencer le cours d'initiation au Machine Learning afin d'être prêt à suivre tous les modules.
Prétravail
Avant de commencer le cours d'initiation au Machine Learning:
- Si vous débutez en machine learning, suivez le cours de présentation du machine learning. Ce bref cours d'auto-formation présente les concepts fondamentaux du machine learning.
- Si vous débutez avec NumPy, suivez le tutoriel NumPy UltraUltra qui fournit toutes les informations NumPy dont vous avez besoin pour ce cours.
- Si vous ne connaissez pas Pandas, suivez le tutoriel Ultrarapide pandas de Colab, qui fournit toutes les informations nécessaires pour ce cours.
Conditions préalables
Le cours d'initiation au machine learning ne nécessite aucune connaissance préalable en machine learning. Toutefois, pour comprendre les concepts présentés et terminer les exercices, nous recommandons aux participants de remplir les conditions préalables suivantes:
Vous devez maîtriser les variables, les équations linéaires, les graphiques de fonctions, les histogrammes et les moyens statistiques.
Vous devriez être un bon programmeur. Idéalement, vous devriez avoir une certaine expérience de la programmation en Python, car les exercices de programmation sont en Python. Cependant, les programmeurs expérimentés sans expérience en Python peuvent généralement terminer les exercices de programmation.
Les sections suivantes fournissent des liens vers d'autres ressources utiles pour le contexte.
Algèbre
- variables, coefficients et fonctions
- équations linéaires telles que \(y = b + w_1x_1 + w_2x_2\)
- Logarithmes et équations logarithmiques telles que \(y = ln(1+ e^z)\)
- fonction sigmoïde
Algèbre linéaire
Trigonométrie
- tanh (discuté comme une fonction d'activation ; aucune connaissance préalable n'est nécessaire)
Statistiques
- moyenne, médiane, des anomalies et l'écart type
- Possibilité de lire un histogramme
Calcul (facultatif, pour les sujets avancés)
- concept de dérivée (vous n'aurez pas à calculer de dérivées)
- gradient ou pente
- dérivées partielles (étroitement liées aux gradients)
- Règle de chaîne (pour comprendre parfaitement l'algorithme de rétropropagation pour l'entraînement de réseaux de neurones)
Programmation Python
Les bases de Python suivantes sont abordées dans le Tutoriel Python:
définir et appeler des fonctions, à l'aide de paramètres positionnels et de mots clés
dictionnaires, listes, ensembles (création, accès et itération)
boucles
for
, bouclesfor
avec plusieurs variables d'itérateur (par exemple,for a, b in [(1,2), (3,4)]
)mise en forme de chaîne (par exemple,
'%.2f' % 3.14
)variables, attribution, types de données de base (
int
,float
,bool
,str
)
Certains des exercices de programmation utilisent le concept Python plus avancé suivant:
Terminal Bash / Cloud Console
Pour exécuter les exercices de programmation sur votre ordinateur local ou dans une console Cloud, vous devez savoir travailler sur la ligne de commande: