Cette page a été traduite par l'API Cloud Translation.

Prérequis et travail préparatoire

Le cours d'initiation au machine learning correspond-il à vos besoins ?

J'ai une expérience très limitée, ou aucune expérience, en machine learning.

J'ai une certaine expérience du machine learning, mais souhaite actualiser et approfondir mes connaissances sur le sujet.

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

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

Lisez les sections Travail préalable et Prérequis ci-dessous avant de commencer le cours d'initiation au machine learning, afin de vous préparer à suivre tous les modules.

Travail préalable

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

Si vous débutez avec le machine learning, suivez le cours Introduction au machine learning. Ce court cours autodidacte présente les concepts fondamentaux du machine learning.
Si vous ne connaissez pas NumPy, effectuez l'exercice Colab Tutoriel ultrarapide sur NumPy, qui fournit toutes les informations NumPy dont vous avez besoin pour ce cours.
Si vous ne connaissez pas pandas, effectuez l'exercice Colab Tutoriel ultrarapide sur pandas, qui fournit toutes les informations nécessaires pour ce cours.

Prérequis

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

Vous devez être à l'aise avec les variables, les équations linéaires, les graphiques de fonctions, les histogrammes et les moyennes statistiques.
Vous devez être un bon programmeur. Idéalement, vous devez avoir une certaine expérience en programmation en Python, car les exercices de programmation sont en Python. Toutefois, les programmeurs expérimentés sans expérience Python peuvent généralement effectuer les exercices de programmation.

Les sections suivantes fournissent des liens vers des ressources supplémentaires utiles.

Algèbre

variables, coefficients, et fonctions
équations linéaires telles que $y = b + w_1x_1 + w_2x_2$
logarithmes et équations logarithmiques telles que $y = ln(1+ e^z)$
fonction sigmoïde

Algèbre linéaire

Trigonométrie

tanh (présentée comme une fonction d'activation ; aucune connaissance préalable requise)

Statistiques

moyenne, médiane, valeurs aberrantes et écart type
capacité à lire un histogramme

Calcul (facultatif, pour les sujets avancés)

le concept de dérivée (vous n'aurez pas à calculer les dérivées) ;
dégradé ou pente
dérivées partielles (qui sont étroitement liées aux gradients)
Théorème de dérivation des fonctions composées (pour une compréhension complète de l'algorithme de rétropropagation pour l'apprentissage des réseaux de neurones)

Programmation Python

Les principes de base Python suivants sont abordés dans le tutoriel Python:

définir et appeler des fonctions, en utilisant des paramètres positionnels et des 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 de chaînes (par exemple, '%.2f' % 3.14)
Variables, affectation, types de données de base (int, float, bool, str)

Certains des exercices de programmation utilisent le concept Python plus avancé suivant:

compréhensions de liste

Terminal Bash et console Cloud

Pour exécuter les exercices de programmation sur votre machine locale ou dans une console cloud, vous devez être à l'aise avec la ligne de commande:

Exercices