Предварительные условия и предварительная работа

Подходит ли вам ускоренный курс машинного обучения?

У меня мало или вообще нет опыта машинного обучения.

У меня есть некоторый опыт в области машинного обучения, но мне хотелось бы более актуального и полного понимания.

У меня есть практический опыт применения концепций машинного обучения для работы с данными и построения моделей.

Я ищу руководства по использованию API-интерфейсов машинного обучения, таких как Keras.

Прежде чем приступить к ускоренному курсу машинного обучения, прочтите следующие разделы «Подготовка» и «Предварительные условия» , чтобы убедиться, что вы готовы пройти все модули.

Предварительная работа

Прежде чем приступить к ускоренному курсу машинного обучения, сделайте следующее:

1. Если вы новичок в машинном обучении, пройдите курс «Введение в машинное обучение» . Этот короткий курс самообучения знакомит с фундаментальными концепциями машинного обучения.
2. Если вы новичок в NumPy , выполните упражнение NumPy Ultraquick Tutorial Colab, в котором представлена ​​вся информация о NumPy, необходимая для этого курса.
3. Если вы новичок в pandas , выполните упражнение Pandas UltraQuick Tutorial Colab, в котором представлена ​​вся информация о пандах, необходимая для этого курса.

Инструкции по загрузке, установке и запуску упражнений по программированию на вашем компьютере см. в разделе Выполнение упражнений по программированию локально .

Предварительные условия

Ускоренный курс машинного обучения не предполагает и не требует каких-либо предварительных знаний в области машинного обучения. Однако для понимания представленных концепций и выполнения упражнений мы рекомендуем учащимся выполнить следующие предварительные условия:

• Вы должны хорошо разбираться в переменных, линейных уравнениях, графиках функций, гистограммах и статистических средствах.

• Вы должны быть хорошим программистом. В идеале у вас должен быть некоторый опыт программирования на Python , поскольку упражнения по программированию проводятся на Python. Однако опытные программисты без опыта работы с Python обычно все равно могут выполнить упражнения по программированию.

В следующих разделах приведены ссылки на дополнительные полезные справочные материалы.

Алгебра

• переменные , коэффициенты и функции
• линейные уравнения, такие как $y = b + w_1x_1 + w_2x_2$
• логарифмы и логарифмические уравнения, такие как $y = ln(1+ e^z)$
• сигмовидная функция

Линейная алгебра

• тензор и тензорный ранг
• умножение матрицы

Тригонометрия

• tanh (обсуждается как функция активации ; предварительные знания не требуются)

Статистика

• среднее значение, медиана, выбросы и стандартное отклонение
• умение читать гистограмму

Исчисление ( необязательно, для продвинутых тем )

• понятие производной (вам не придется рассчитывать производные)
• градиент или наклон
• частные производные (которые тесно связаны с градиентами)
• цепное правило (для полного понимания алгоритма обратного распространения ошибки при обучении нейронных сетей)

Программирование на Python

В учебнике Python рассматриваются следующие основы Python:

• определение и вызов функций с использованием позиционных и ключевых параметров

• словари , списки , наборы (создание, доступ и итерация)

• for циклы , for циклы с несколькими переменными-итераторами (например, for a, b in [(1,2), (3,4)] )

• условные блоки if/else и условные выражения

• форматирование строки (например, '%.2f' % 3.14 )

• переменные, присваивание, базовые типы данных ( int , float , bool , str )

В некоторых упражнениях по программированию используется следующая более продвинутая концепция Python:

• список понятий

Терминал Bash и облачная консоль

Чтобы выполнять упражнения по программированию на локальном компьютере или в облачной консоли, вам должно быть удобно работать в командной строке:

• Справочное руководство по Bash
• Шпаргалка по Башу
• Изучите Шелл