Prasyarat dan persiapan

Apakah Kursus Singkat Machine Learning sesuai untuk Anda?

Saya memiliki sedikit atau tanpa latar belakang machine learning.

Saya memiliki sejumlah latar belakang dalam machine learning, tetapi saya menginginkan pemahaman yang lebih baru dan lengkap.

Saya memiliki pengalaman praktis dalam menerapkan konsep machine learning untuk menangani data dan membuat model.

Saya mencari tutorial tentang cara menggunakan ML API seperti Keras.

Harap baca bagian Tugas Awal dan Prasyarat berikut sebelum memulai Kursus Singkat Machine Learning. Ini akan memastikan kesiapan Anda untuk menyelesaikan semua modul.

Persiapan

Sebelum memulai Kursus Singkat Machine Learning, lakukan hal berikut:

1. Jika Anda baru mengenal machine learning, ikuti kursus Pengantar Machine Learning. Kursus mandiri singkat ini memperkenalkan konsep dasar machine learning.
2. Jika Anda baru menggunakan NumPy, lakukan latihan Colab Tutorial Super Cepat NumPy, yang memberikan semua informasi NumPy yang Anda perlukan untuk kursus ini.
3. Jika Anda baru menggunakan pandas, lakukan latihan Colab Tutorial UltraQuick Pandas, yang memberikan semua informasi pandas yang Anda perlukan untuk kursus ini.

Lihat Menjalankan Latihan Pemrograman secara Lokal untuk mengetahui petunjuk tentang cara mendownload, menginstal, dan menjalankan latihan pemrograman di komputer Anda.

Prasyarat

Kursus Singkat Machine Learning tidak menganggap atau memerlukan pengetahuan sebelumnya dalam machine learning. Namun, untuk memahami konsep yang disajikan dan menyelesaikan latihan, sebaiknya siswa memenuhi prasyarat berikut:

• Anda harus sudah terbiasa dengan variabel, persamaan linear, grafik fungsi, histogram, dan nilai rata-rata statistik.

• Anda harus menjadi programmer yang baik. Idealnya, Anda harus memiliki beberapa pengalaman pemrograman di Python karena latihan pemrograman dilakukan dalam Python. Namun, programmer berpengalaman tanpa pengalaman Python biasanya dapat menyelesaikan latihan pemrograman.

Bagian berikut memberikan link ke materi latar belakang tambahan yang bermanfaat.

Aljabar

• variabel, koefisien, dan fungsi
• persamaan linear seperti $y = b + w_1x_1 + w_2x_2$
• logaritma, dan persamaan logaritma seperti $y = ln(1+ e^z)$
• fungsi sigmoid

Aljabar linear

• tensor dan rank tensor
• perkalian matriks

Trigonometri

• tanh (dibahas sebagai fungsi aktivasi; pengetahuan sebelumnya tidak diperlukan)

Statistik

• rata-rata, median, pencilan, dan simpangan baku
• kemampuan untuk membaca histogram

Kalkulus (opsional, untuk topik lanjutan)

• konsep turunan (Anda tidak perlu menghitung turunan)
• gradien atau kemiringan
• turunan parsial (yang terkait erat dengan gradien)
• aturan rantai (untuk pemahaman penuh tentang algoritma propagasi mundur untuk melatih jaringan neural)

Pemrograman Python

Dasar-dasar Python berikut dibahas dalam Tutorial Python:

• menentukan dan memanggil fungsi, menggunakan parameter posisional dan kata kunci

• kamus, daftar, set (pembuatan, akses, dan iterasi)

• Loop for, loop for dengan beberapa variabel iterator (mis., for a, b in [(1,2), (3,4)])

• Blok kondisional if/else dan ekspresi kondisional

• pemformatan string (misalnya, '%.2f' % 3.14)

• variabel, tugas, jenis data dasar (int, float, bool, str)

Beberapa latihan pemrograman menggunakan konsep Python yang lebih canggih berikut:

• pemahaman daftar

Terminal Bash dan Cloud Console

Untuk menjalankan latihan pemrograman di komputer lokal atau di konsol cloud, Anda harus merasa nyaman menggunakan command line:

• Bash Reference Manual
• Tips Praktis Bash
• Pelajari Shell