Voraussetzungen und Vorbereitungen

Ist der Crashkurs „Maschinelles Lernen“ das Richtige für dich?

Ich habe wenig oder gar keine Kenntnisse im Bereich maschinelles Lernen.

Wir empfehlen, alle Materialien der Reihe nach durchzugehen.

JETZT LOSLEGEN

Ich verfüge über einige Kenntnisse im Bereich des maschinellen Lernens, möchte aber ein aktuelleres und umfassenderes Verständnis haben.

Der Crashkurs „Machine Learning“ ist eine gute Auffrischung. Gehen Sie die Module der Reihe nach durch oder wählen Sie nur die Module aus, die Sie interessieren.

JETZT LOSLEGEN

Ich habe praktische Erfahrung mit der Anwendung von Konzepten des maschinellen Lernens, um mit Daten zu arbeiten und Modelle zu erstellen.

Der Crashkurs „Machine Learning“ kann zur Wiederholung grundlegender ML-Konzepte zu entwickeln, möchten Sie vielleicht auch einige unserer erweiterten Machine Learning-Funktionen kennenlernen, Kurse, in denen Tools und Techniken zum Lösen von Problemen des maschinellen Lernens auf einer Vielzahl von Domains.

JETZT LOSLEGEN

Ich suche nach Anleitungen zur Verwendung von ML-APIs wie Keras.

Der Crashkurs „Machine Learning“ umfasst verschiedene Programmierübungen, ML-Bibliotheken wie NumPy, pandas und Keras sind hauptsächlich auf das Unterrichten ML-Konzepte und vermittelt ML APIs nicht im Detail. Weitere Keras-Ressourcen finden Sie in den Keras-Entwicklerleitfäden.

Bitte lesen Sie sich die folgende Vorbereitung durch. Abschnitt Voraussetzungen vor Beginn des maschinellen Lernens Crashkurs, um sicherzustellen, dass Sie auf alle Module vorbereitet sind.

Vorarbeiten

Bevor Sie mit dem Crashkurs „Maschinelles Lernen“ beginnen, sollten Sie Folgendes tun:

1. Wenn Sie noch keine Erfahrung mit maschinellem Lernen haben, Einführung in maschinelles Lernen Lernt. In diesem kurzen Selbststudium lernen Sie die Grundlagen des maschinellen Lernens kennen. Konzepten.
2. Wenn Sie mit NumPy noch nicht vertraut sind, führen Sie die folgenden Schritte aus: NumPy Ultrakurze Anleitung für Colab-Übung, die alle NumPy Informationen, die Sie für diesen Kurs benötigen.
3. Wenn Sie pandas noch nicht kennen: Panda Ultrakurzanleitung für Colab-Übung, in der alle Pandas- Informationen, die Sie für diesen Kurs benötigen.

Eine Anleitung zum Herunterladen, Installieren und Ausführen der Programmierübungen auf Ihrem Computer finden Sie unter Programmierübungen lokal ausführen.

Vorbereitung

Der Crashkurs „Maschinelles Lernen“ setzt keine Vorkenntnisse im Bereich maschinelles Lernen. Um die vorgestellten Konzepte und die Übungen abschließen, empfehlen wir, dass die Schüler folgende Voraussetzungen erfüllen:

• Sie müssen mit Variablen, linearen Gleichungen, Grafiken von Funktionen, Histogrammen und statistischen Mitteln.

• Du solltest ein guter Programmierer sein. Idealerweise sollten Sie Sie keine Erfahrung mit dem Programmieren in Python haben, die Programmierübungen in Python durchgeführt werden. Jedoch haben erfahrene Programmierer ohne Python-Kenntnisse können die Programmierung in der Regel sowieso trainieren.

Die folgenden Abschnitte enthalten Links zu zusätzlichem Hintergrundmaterial. das hilfreich ist.

Algebra

• Variablen Koeffizienten, und Funktionen
• lineare Gleichungen wie \(y = b + w_1x_1 + w_2x_2\)
• Logarithmen und logarithmische Gleichungen wie \(y = ln(1+ e^z)\)
• Sigmoidfunktion

Lineare Algebra

• Tensor und Tensor Rang
• Matrixmultiplikation

Trigonometrie

• tanh (wird als Aktivierungsfunktion; keine Vorkenntnisse erforderlich)

Statistiken

• Mittelwert, Medianwert, Ausreißer, und Standardabweichung
• Fähigkeit, ein Histogramm zu lesen

Differenzial-/Integralrechnung (optional, für fortgeschrittene Themen)

• Konzept einer Ableitung (Ableitungen müssen nicht tatsächlich berechnet werden)
• Farbverlauf oder Gefälle
• partielle Ableitungen (die eng mit Farbverläufen verwandt sind)
• Kettenregel (um ausführliche Informationen zum Backpropagation-Algorithmus zu erhalten) zum Trainieren neuronaler Netzwerke)

Python-Programmierung

Die folgenden Python-Grundlagen werden in der Python-Anleitung behandelt:

• Funktionen definieren und aufrufen, Positions- und Keyword-Parameter

• Wörterbücher Listen, Sätze (Erstellen, Aufrufen und Iterieren)

• for-Schleifen, for-Schleifen mit mehreren Iterationsvariablen (z.B. for a, b in [(1,2), (3,4)])

• if/else bedingte Blöcke und bedingte Ausdrücke

• Stringformatierung (z.B. '%.2f' % 3.14)

• Variablen, Zuweisung, grundlegende Datentypen (int, float, bool, str)

Einige der Programmierübungen verwenden die folgenden komplexeren Python-Konzept:

• Listenverständnisse

Bash-Terminal und Cloud Console

So führen Sie die Programmierübungen auf Ihrem lokalen Computer oder in einer Cloud Console aus: sollten Sie mit der Befehlszeile vertraut sein:

• Bash-Referenzhandbuch
• Bash auf einen Blick
• Shell kennenlernen