Prérequis et travail préparatoire

Le cours d'initiation au machine learning est-il fait pour vous ?

J'ai peu ou pas d'expérience en machine learning.

Nous vous recommandons de consulter tous les supports dans l'ordre.

COMMENCER L'APPRENTISSAGE

J'ai une certaine expérience en machine learning, mais j'aimerais avoir des connaissances plus récentes et plus complètes.

Le cours d'initiation au machine learning sera un excellent rappel. Suivez tous les modules dans l'ordre ou sélectionnez ceux qui vous intéressent.

COMMENCER L'APPRENTISSAGE

J'ai une expérience pratique de l'application des concepts du machine learning pour travailler avec des données et créer des modèles.

Le cours d'initiation au machine learning peut vous être utile et de machine learning, vous pouvez aussi explorer certains de nos concepts avancés qui abordent les outils et techniques permettant de résoudre les problèmes de machine learning dans diverses plusieurs domaines.

COMMENCER L'APPRENTISSAGE

Je recherche des tutoriels sur l'utilisation d'API de ML comme Keras.

Le cours d'initiation au machine learning comprend plusieurs exercices de programmation qui utilisent de ML comme Numpy, Pandas et Keras, elle est principalement axée sur l'enseignement et n'enseigne pas en détail les API de ML. Pour ajouter des ressources Keras, consultez les guides du développeur Keras.

Veuillez lire le préparatoire suivant et Sections Prérequis avant de se lancer dans le machine learning Cours d'initiation, pour vous assurer que vous êtes prêt à suivre tous les modules.

Travail préalable

Avant de commencer le cours d'initiation au machine learning, procédez comme suit:

1. Si vous débutez en machine learning, Présentation du machine learning Apprentissage. Ce court cours d'auto-apprentissage présente les principes de base du machine learning concepts.
2. Si vous débutez avec NumPy, exécutez la NumPy Tutoriel ultrarapide (exercice Colab) qui fournit tous les outils NumPy les informations dont vous avez besoin pour ce cours.
3. Si vous ne connaissez pas pandas, exécutez la Pandas Tutoriel ultrarapide (exercice Colab), qui fournit tous les pandas les informations dont vous avez besoin pour ce cours.

Consultez Exécuter des exercices de programmation localement pour obtenir des instructions sur le téléchargement, l'installation et l'exécution des exercices de programmation sur votre machine.

Prérequis

Le cours d'initiation au machine learning ne nécessite aucune connaissance préalable en le machine learning. Toutefois, pour comprendre les concepts présentés et de réaliser les exercices, nous recommandons aux participants de suivre conditions préalables suivantes:

• Vous devez maîtriser les variables, les équations linéaires, graphiques de fonctions, histogrammes et moyennes statistiques.

• Tu devrais être un bon programmeur. Idéalement, vous devriez avoir de l'expérience en programmation Python, car les exercices de programmation sont en Python. Toutefois, les cas les programmeurs sans expérience en Python peuvent généralement effectuer la programmation quand même.

Les sections suivantes fournissent des liens vers d'autres documents de référence. utiles.

Algèbre

• variables, coefficients, et des fonctions
• Équations linéaires comme \(y = b + w_1x_1 + w_2x_2\)
• logarithmes et équations logarithmiques comme \(y = ln(1+ e^z)\)
• fonction sigmoïde

Algèbre linéaire

• Tensor et rang de Tensor
• multiplication de matrices

Trigonométrie

• tanh (présentée comme fonction d'activation. aucune connaissance préalable requise)

Statistiques

• moyenne, médiane, anomalies, et écart type
• Possibilité de lire un histogramme

Calcul (facultatif, pour les sujets avancés)

• le concept de dérivée (vous n'aurez pas à calculer des dérivées)
• dégradé ou une pente
• dérivées partielles (étroitement liés aux gradients)
• règle (pour bien comprendre l'algorithme de rétropropagation pour l'entraînement des réseaux de neurones)

Programmation en Python

Les bases suivantes de Python 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, Boucles for avec plusieurs variables d'itérateur (par exemple, for a, b in [(1,2), (3,4)])

• Blocs conditionnels if/else et expressions conditionnelles

• mise en forme des chaînes (par exemple, '%.2f' % 3.14)

• variables, attribution, types de données de base (int, float, bool, str)

Certains exercices de programmation utilisent les techniques avancées suivantes : Concept Python:

• compréhensions des listes

Terminal Bash et console Cloud

Pour exécuter les exercices de programmation sur votre ordinateur local ou dans une console cloud, vous êtes à l'aise avec la ligne de commande:

• Manuel de référence Bash
• Aide-mémoires bash
• Learn Shell