Предварительные условия и предварительная работа

Подходит ли вам ускоренный курс машинного обучения?

У меня мало или вообще нет опыта машинного обучения.

Рекомендуем пройти весь материал по порядку.

НАЧАТЬ ОБУЧАТЬСЯ

У меня есть некоторый опыт в области машинного обучения, но мне хотелось бы более актуального и полного понимания.

Ускоренный курс машинного обучения станет отличным повышением квалификации. Просмотрите все модули по порядку или выберите только те модули, которые вас интересуют.

НАЧАТЬ ОБУЧАТЬСЯ

У меня есть практический опыт применения концепций машинного обучения для работы с данными и построения моделей.

Хотя ускоренный курс машинного обучения может быть полезен вам для освежения фундаментальных концепций машинного обучения, вы также можете изучить некоторые из наших продвинутых курсов машинного обучения, которые охватывают инструменты и методы для решения проблем машинного обучения в различных областях.

НАЧАТЬ ОБУЧАТЬСЯ

Я ищу руководства по использованию API-интерфейсов машинного обучения, таких как Keras.

Хотя ускоренный курс машинного обучения включает в себя несколько упражнений по программированию с использованием библиотек машинного обучения, таких как numpy, pandas и Keras, он в первую очередь ориентирован на обучение концепциям машинного обучения и не изучает API-интерфейсы машинного обучения. Дополнительные ресурсы Keras см. в руководствах разработчиков Keras .

Прежде чем приступить к ускоренному курсу машинного обучения, прочтите следующие разделы «Подготовка» и «Предварительные условия» , чтобы убедиться, что вы готовы пройти все модули.

Предварительная работа

Прежде чем приступить к ускоренному курсу машинного обучения, сделайте следующее:

1. Если вы новичок в машинном обучении, пройдите курс «Введение в машинное обучение» . Этот короткий курс самообучения знакомит с фундаментальными концепциями машинного обучения.
2. Если вы новичок в NumPy , выполните упражнение NumPy Ultraquick Tutorial Colab, в котором представлена ​​вся информация о NumPy, необходимая для этого курса.
3. Если вы новичок в pandas , выполните упражнение Pandas UltraQuick Tutorial Colab, в котором представлена ​​вся информация о пандах, необходимая для этого курса.

Инструкции по загрузке, установке и запуску упражнений по программированию на вашем компьютере см. в разделе Выполнение упражнений по программированию локально .

Предварительные условия

Ускоренный курс машинного обучения не предполагает и не требует каких-либо предварительных знаний в области машинного обучения. Однако для понимания представленных концепций и выполнения упражнений мы рекомендуем учащимся выполнить следующие предварительные условия:

• Вы должны хорошо разбираться в переменных, линейных уравнениях, графиках функций, гистограммах и статистических средствах.

• Вы должны быть хорошим программистом. В идеале у вас должен быть некоторый опыт программирования на Python , поскольку упражнения по программированию проводятся на Python. Однако опытные программисты без опыта работы с Python обычно все равно могут выполнить упражнения по программированию.

В следующих разделах приведены ссылки на дополнительные полезные справочные материалы.

Алгебра

• переменные , коэффициенты и функции
• линейные уравнения, такие как \(y = b + w_1x_1 + w_2x_2\)
• логарифмы и логарифмические уравнения, такие как \(y = ln(1+ e^z)\)
• сигмовидная функция

Линейная алгебра

• тензор и тензорный ранг
• умножение матрицы

Тригонометрия

• tanh (обсуждается как функция активации ; предварительные знания не требуются)

Статистика

• среднее значение, медиана, выбросы и стандартное отклонение
• умение читать гистограмму

Исчисление ( необязательно, для продвинутых тем )

• понятие производной (вам не придется рассчитывать производные)
• градиент или наклон
• частные производные (которые тесно связаны с градиентами)
• цепное правило (для полного понимания алгоритма обратного распространения ошибки при обучении нейронных сетей)

Программирование на Python

В учебнике Python рассматриваются следующие основы Python:

• определение и вызов функций с использованием позиционных и ключевых параметров

• словари , списки , наборы (создание, доступ и итерация)

• for циклы , for циклы с несколькими переменными-итераторами (например, for a, b in [(1,2), (3,4)] )

• условные блоки if/else и условные выражения

• форматирование строки (например, '%.2f' % 3.14 )

• переменные, присваивание, базовые типы данных ( int , float , bool , str )

В некоторых упражнениях по программированию используется следующая более продвинутая концепция Python:

• список понятий

Терминал Bash и облачная консоль

Чтобы выполнять упражнения по программированию на локальном компьютере или в облачной консоли, вам должно быть удобно работать в командной строке:

• Справочное руководство по Bash
• Шпаргалка по Башу
• Изучите Шелл