Wymagania wstępne i przygotowanie

Czy Szybkie szkolenie z systemów uczących się jest dla Ciebie odpowiednie?

Nie mam lub mam niewielką wiedzę na temat systemów uczących się.

Mam podstawową wiedzę z zakresu uczenia maszynowego, ale chciałbym uzyskać bardziej aktualne i pełne informacje.

Mam praktyczne doświadczenie w stosowaniu koncepcji uczenia maszynowego do pracy z danymi i tworzenia modeli.

Szukam samouczków na temat interfejsów API do uczenia maszynowego, takich jak Keras.

Zanim zaczniesz kurs intensywny z maszynowego uczenia, przeczytaj sekcje Przygotowanie i Wymagania wstępne, aby mieć pewność, że uda Ci się ukończyć wszystkie moduły.

Przygotowanie

Zanim zaczniesz szkolenie z uczenia maszynowego:

1. Jeśli nie masz doświadczenia z systemami uczącymi się, przeczytaj artykuł Wprowadzenie do systemów uczących się. Na tym krótkim szkoleniu samoukowym poznasz podstawowe pojęcia związane z uczenie maszynowe.
2. Jeśli nie znasz jeszcze NumPy, wykonaj ćwiczenie w Colab NumPy Ultraquick Tutorial, które zawiera wszystkie informacje o NumPy, których potrzebujesz na potrzeby tego kursu.
3. Jeśli dopiero zaczynasz korzystać z pandas, wykonaj ćwiczenie Colab UltraQuick Tutorial, które zawiera wszystkie informacje o pandas, których potrzebujesz na potrzeby tego kursu.

Instrukcje pobierania, instalowania i uruchamiania ćwiczeń programowania na komputerze znajdziesz w sekcji Uruchamianie ćwiczeń programowania lokalnie.

Wymagania wstępne

Szybkie szkolenie z uczenia maszynowego nie zakłada ani nie wymaga żadnej wcześniejszej wiedzy na temat uczenia maszynowego. Aby jednak zrozumieć omawiane zagadnienia i wykonać ćwiczenia, zalecamy, aby uczniowie spełniali te wymagania wstępne:

• Musisz znać zmienne, równania liniowe, wykresy funkcji, histogramy i średnie statystyczne.

• Musisz być dobrym programistą. Najlepiej, jeśli masz już pewne doświadczenie w programowaniu w Python, ponieważ ćwiczenia programistyczne są w tym języku. Jednak doświadczeni programiści bez doświadczenia w Pythonie zwykle i tak mogą wykonać ćwiczenia z programowania.

W następnych sekcjach znajdziesz linki do dodatkowych materiałów, które mogą się przydać.

Algebra

• zmiennych, współczynników i funkcji.
• równania liniowe, takie jak $y = b + w_1x_1 + w_2x_2$
• logarytmy i równania logarytmiczne, takie jak $y = ln(1+ e^z)$
• funkcja sigmoidalna

algebra liniowa,

• tensor i pozycja tensora
• mnożenie macierzy

Trygonometria

• tanh (omówiona jako funkcja aktywacji; nie wymaga wcześniejszej wiedzy)

Statystyki

• średnia, mediana, wartości odstające i odchylenie standardowe.
• umiejętność odczytania histogramu.

Rachunek różniczkowy (opcjonalnie, w przypadku tematów zaawansowanych).

• pojęcie pochodna (nie musisz obliczać pochodnej);
• gradient lub nachylenie
• częściowe pochodne (ściśle powiązane z gradientami).
• reguła łańcuszkowa (aby w pełni zrozumieć algorytm propagacji wstecznej do trenowania sieci neuronowych).

Programowanie w Pythonie

W samouczku Pythona omówiono te podstawy Pythona:

• definiowanie i wywoływanie funkcji, korzystanie z parametrów pozycyjnych i słów kluczowych.

• słowniki, listy, zbiory (tworzenie, dostęp i iterowanie).

• forpętli, forpętli z wieloma zmiennymi iteracyjnymi (np. for a, b in [(1,2), (3,4)])

• if/elsebloki warunkowe i wyrażenia warunkowe

• formatowanie ciągu znaków (np. '%.2f' % 3.14)

• zmienne, przypisanie, podstawowe typy danych (int, float, bool, str)

Niektóre ćwiczenia programowania wykorzystują bardziej zaawansowane zagadnienia dotyczące Pythona:

• list comprehensions

Terminal Bash i konsola Cloud

Aby wykonywać ćwiczenia programistyczne na komputerze lokalnym lub w konsoli chmury, musisz umieć pracować w wierszu poleceń:

• Podręcznik Bash
• Bash Cheatsheet
• Więcej informacji o powłoce