機械学習集中講座の受講に適していますか？
ML の経験がほとんど、またはまったくありません。
すべての資料を順番に確認することをおすすめします。
機械学習についてある程度の知識はありますが、最新の包括的な情報があれば教えてください。
機械学習集中講座は復習として最適です。すべてのモジュールを順番に確認するか、興味のあるモジュールのみを選択します。
ML の概念をデータの処理に応用し、モデルを構築した実務経験があります。
ML 集中講座は、Google Cloud における基本的な知識の復習として
Google の高度な ML コンセプトについても学習し、
このコースでは、ML に関するさまざまな問題を解決するためのツールと手法を取り上げます。
できます。
Keras などの ML API の使用方法に関するチュートリアルを探しています。
ML 集中講座では、プログラミングの演習がいくつか用意されています。
numpy、pandas、Keras などの ML ライブラリであり、
ML API の詳細については説明しません。Keras リソースの追加については、
Keras デベロッパー ガイドをご覧ください。
次の事前作業と ML を始める前にの前提条件のセクション 集中コースもぜひご覧ください。
事前作業
ML 集中講座を開始する前に、以下を実施してください。
- ML を初めて使用する場合は、 機械の概要 学習。 ML の基礎を学ぶ、自習用の短いコースです。 説明します。
- NumPy を初めて使用する場合は、次の手順を行います。 NumPy Ultraquick チュートリアルは Colab の演習で、すべての NumPy の このコースに必要な情報が記載されています
- pandas を初めて使用する場合は、 pandas UltraQuick チュートリアルは、Colab の演習で このコースに必要な情報が記載されています
前提条件
ML 集中講座では、Google Cloud に関する事前知識や MLこのコースで紹介するコンセプトを理解するには、 完了するには、クラスルーム トレーニングの 次の前提条件を満たす必要があります。
変数、一次方程式、 関数、ヒストグラム、統計的平均値のグラフ。
優れたプログラマーでなければなりません。理想的には、 Python でのプログラミング経験がある プログラミング演習は Python で行われますしかし、 Python の経験がないプログラマーでも、通常は とにかく練習することです。
以下のセクションでは、その他の背景資料へのリンクを紹介します。 便利です。
代数学
線形代数
三角法
統計情報
- 平均値、中央値、外れ値 と標準偏差
- ヒストグラムの読み取り機能
微積分学（省略可、高度なトピック用）
- 導関数の概念 （実際に微分係数を計算する必要はありません）
- グラデーション または傾き
- 偏導関数 （勾配に密接に関連しています）
- チェーンルール （誤差逆伝播アルゴリズムの （ニューラル ネットワークのトレーニング用）
Python プログラミング
次の Python の基本については、Python チュートリアルで説明しています。
関数の定義と呼び出し positional パラメータと keyword パラメータを使用する
forループ、forは、複数のイテレータ変数（for a, b in [(1,2), (3,4)]）文字列形式 （例:
'%.2f' % 3.14）変数、割り当て、基本的なデータ型 （
int、float、bool、str）
プログラミング演習のいくつかでは、次のより高度な手法を使用します。 Python のコンセプト:
Bash ターミナルと Cloud コンソール
プログラミング演習をローカルマシンまたはクラウド コンソールで行うには、次の操作を行います。 コマンドラインでの操作に慣れているはずです。