Ist der Crashkurs für maschinelles Lernen für Sie der richtige?
Bitte lesen Sie die folgenden Abschnitte Vorarbeit und Voraussetzungen, bevor Sie mit dem Crashkurs zu maschinellem Lernen beginnen. So können Sie alle Module vervollständigen.
Vorbereitung
Bevor Sie mit dem Crashkurs „Maschinelles Lernen“ beginnen:
- Wenn Sie mit maschinellem Lernen noch nicht vertraut sind, lesen Sie Einführung in maschinelles Lernen. In diesem kurzen Selbststudium werden grundlegende Machine-Learning-Konzepte vorgestellt.
- Wenn Sie mit NumPy noch nicht vertraut sind, führen Sie die Colab-Übung NumPy Ultraquick Tutorial aus. Sie enthält alle NumPy-Informationen, die Sie für diesen Kurs benötigen.
- Wenn Sie mit Pandas noch nicht vertraut sind, führen Sie die Colab-Kurzanleitung das Kurzanleitung aus. Sie enthält alle Informationen, die Sie für diesen Kurs benötigen.
Voraussetzungen
Beim Crashkurs „Machine Learning“ wird keine Vorkenntnisse im Bereich Machine Learning vorausgesetzt. Damit die Teilnehmer jedoch die vorgestellten Konzepte verstehen und die Übungen abschließen können, sollten sie die folgenden Voraussetzungen erfüllen:
Sie müssen mit Variablen, linearen Gleichungen, Funktionsdiagrammen, Histogrammen und statistischen Mitteln vertraut sein.
Du solltest ein guter Programmierer sein. Idealerweise sollten Sie ein wenig Programmiererfahrung in Python haben, da die Trainingsübungen in Python sind. Personen mit erfahrenen Programmierern können jedoch die Programmierarbeiten in der Regel ohnehin durchführen.
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 logarithmischen Gleichungen wie \(y = ln(1+ e^z)\).
- Sigmoid-Funktion
Lineare Algebra
Trigonometrie
- tanh (wird als Aktivierungsfunktion erörtert; keine Vorkenntnisse erforderlich)
Statistiken
- Mittelwert, Medianwert, Ausreißer und Standardabweichung
- die Möglichkeit, ein Histogramm zu lesen
Calculus (optional, für komplexere Themen)
- Konzept einer Ableitung (Sie müssen keine Ableitungen berechnen)
- verlauf oder Steigung
- partielle Ableitungen (die eng mit den Gradienten zusammenhängen)
- Chain-Regel (für ein vollständiges Verständnis des Backpropagation-Algorithmus zum Trainieren neuronaler Netzwerke)
Python-Programmierung
Die folgenden Python-Grundlagen werden in der Python-Anleitung behandelt:
Funktionen definieren und aufrufen und Parameter für Position und Keyword verwenden
Wörterbücher, Listen, Sätze (Erstellen, Aufrufen und Iterieren)
for
-Schleifen,for
-Schleifen mit mehreren Iteratorvariablen (z.B.for a, b in [(1,2), (3,4)]
)Stringformatierung (z.B.
'%.2f' % 3.14
)Variablen, Zuweisung, grundlegende Datentypen (
int
,float
,bool
,str
)
Einige der Programmierübungen basieren auf dem folgenden erweiterten Python-Konzept:
Bash-Terminal / Cloud Console
Wenn Sie die Programmierübungen auf Ihrem lokalen Computer oder in einer Cloud Console ausführen möchten, sollten Sie mit der Arbeit in der Befehlszeile vertraut sein: