Prerequisiti e preparazione

Il Machine Learning Crash Course è adatto a te?

Non ho esperienza o ho poca esperienza con il machine learning.

Ti consigliamo di esaminare tutto il materiale in ordine.

INIZIA

Ho una certa esperienza in machine learning, ma vorrei una conoscenza più aggiornata e completa.

Il Machine Learning Crash Course sarà un'ottima occasione per ripassare. Consulta tutti i moduli in ordine o seleziona solo quelli che ti interessano.

INIZIA

Ho esperienza pratica nell'applicazione dei concetti di machine learning per lavorare con i dati e creare modelli.

Anche se il corso introduttivo al machine learning può essere utile per ripassare i concetti fondamentali di questo ambito, ti consigliamo di esplorare anche alcuni dei nostri corsi di machine learning di livello avanzato, che trattano strumenti e tecniche per risolvere problemi di machine learning in una serie di ambiti.

INIZIA

Sto cercando tutorial su come utilizzare API ML come Keras.

Sebbene il corso introduttivo al machine learning includa diversi esercizi di programmazione che utilizzano librerie ML come numpy, pandas e Keras, si concentra principalmente sull'insegnamento dei concetti di ML e non insegna in modo approfondito le API ML. Per altre risorse Keras, consulta le guide per gli sviluppatori Keras.

Prima di iniziare il corso introduttivo al machine learning, leggi le sezioni Preparazione e Prerequisiti che seguono per assicurarti di avere le competenze necessarie per completare tutti i moduli.

Preparazione

Prima di iniziare il Machine Learning Crash Course, segui questi passaggi:

1. Se non hai mai utilizzato il machine learning, segui il corso Introduzione al machine learning. Questo breve corso autonomo introduce i concetti fondamentali del machine learning.
2. Se non hai mai utilizzato NumPy, svolgi l'esercizio Colab Tutorial ultraveloce su NumPy, che fornisce tutte le informazioni su NumPy di cui hai bisogno per questo corso.
3. Se non hai dimestichezza con pandas, svolgi l'esercizio Colab Tutorial ultrarapido su pandas, che fornisce tutte le informazioni su pandas di cui hai bisogno per questo corso.

Per informazioni su come scaricare, installare ed eseguire gli esercizi di programmazione sulla tua macchina, consulta la pagina Esercizi di programmazione a livello locale.

Prerequisiti

Il Machine Learning Crash Course non presuppone né richiede alcuna conoscenza pregressa nel machine learning. Tuttavia, per comprendere i concetti presentati e completare gli esercizi, consigliamo agli studenti di soddisfare i seguenti prerequisiti:

• Devi avere dimestichezza con le variabili, le equazioni lineari, i grafici delle funzioni, gli istogrammi e i mezzi statistici.

• Devi essere un buon programmatore. Idealmente, dovresti avere qualche esperienza di programmazione in Python perché gli esercizi di programmazione sono in Python. Tuttavia, i programmatori con esperienza che non hanno esperienza con Python di solito riescono comunque a completare gli esercizi di programmazione.

Le sezioni seguenti forniscono link a materiale aggiuntivo utile.

Algebra

• variabili, coefficienti e funzioni
• Equazioni lineari come \(y = b + w_1x_1 + w_2x_2\)
• logaritmi ed equazioni logaritmiche come \(y = ln(1+ e^z)\)
• funzione sigmoidea

Algebra lineare

• tensore e rank del tensore
• Moltiplicazione di matrici

Trigonometria

• tanh (discussa come funzione di attivazione; non sono necessarie conoscenze preliminari)

Statistiche

• media, mediana, valori anomali e deviazione standard
• capacità di leggere un istogramma

Calcolo (facoltativo, per argomenti avanzati)

• concetto di derivata (non dovrai calcolare effettivamente le derivate)
• gradiente o pendenza
• Derivate parziali (strettamente correlate ai gradienti)
• Regola di derivazione della catena (per una comprensione completa dell'algoritmo di retropropagazione per l'addestramento delle reti neurali)

Programmazione in Python

Le seguenti nozioni di base di Python sono trattate nel tutorial di Python:

• Definire e chiamare funzioni, utilizzando parametri posizionali e di parola chiave

• Dizionario, elenchi, insiemi (creazione, accesso e iterazione)

• Forni di for, Forni di for con più variabili iteratore (ad es. for a, b in [(1,2), (3,4)])

• Blocchi condizionali if/else e espressioni condizionali

• formattazione di stringhe (ad es. '%.2f' % 3.14)

• variabili, assegnazione, tipi di dati di base (int, float, bool, str)

Alcuni degli esercizi di programmazione utilizzano il seguente concetto di Python più avanzato:

• Espressioni di accodamento di liste

Terminale Bash e Cloud Console

Per eseguire gli esercizi di programmazione sulla tua macchina locale o in una console cloud, devi essere in grado di lavorare con la riga di comando:

• Manuale di riferimento di Bash
• Scheda di riferimento di Bash
• Learn Shell