Makine Öğrenimi Kilitlenme Kursu sizin için uygun mu?
Tüm modülleri tamamlamaya hazır olduğunuzdan emin olmak için lütfen Makine Öğrenimi Kilitlenme Kursu'na başlamadan önce aşağıdaki Ön Çalışma ve Ön Koşullar bölümlerini okuyun.
Ön çalışmalar
Makine Öğrenimi Kilitlenme Kursu'na başlamadan önce aşağıdakileri yapın:
- Makine öğrenimi konusunda yeniyseniz Makine Öğrenimi Sorun Çerçevesi'ne Giriş sayfasını ziyaret edin. Bu bir saatlik kendi kendine çalışma kursu, makine öğrenimi için uygun sorunları nasıl tanımlayacağınızı öğretir.
- NumPy'de yeniyseniz bu kurs için ihtiyaç duyduğunuz tüm NumPy bilgilerini sağlayan NumPy Ultraquick Eğitici Colab alıştırmasını yapın.
- Pandas konusunda yeniyseniz bu kurs için ihtiyaç duyduğunuz tüm panda bilgilerini sağlayan pandas UltraQuick Eğitici Colab alıştırmasını yapın.
Programlama alıştırmaları Colaboratory platformunu kullanarak doğrudan tarayıcınızda çalışır (kurulum gerekmez). Colaboratory, başlıca tarayıcıların çoğunda desteklenir ve en kapsamlı şekilde Chrome ve Firefox'un masaüstü sürümlerinde test edilir. Egzersizleri indirip indirmeyi tercih ederseniz yerel bir ortam oluşturmak için bu talimatlara bakın.
Ön koşullar
Makine Öğrenimi Crash Course'da, makine öğrenimi konusunda herhangi bir tahminde bulunulmaması veya önceden bilgi sahibi olunması gerekmez. Bununla birlikte, sunulan kavramları anlamak ve alıştırmaları tamamlamak için öğrencilerin aşağıdaki ön koşulları yerine getirmelerini öneririz:
Değişkenler, doğrusal denklemler, fonksiyon grafikleri, histogramlar ve istatistiksel yöntemler hakkında bilgi edinmelisiniz.
İyi bir programcı olmalısınız. İdeal olarak, programlama alıştırmaları Python'da olduğundan Python'da programlama konusunda deneyimli olmanız gerekir. Ancak Python deneyimi olmayan deneyimli programcılar genellikle programlama egzersizlerini yine de tamamlayabilirler.
Aşağıdaki bölümlerde, yararlı olabilecek ek arka plan materyaline bağlantılar sağlanmaktadır.
Cebir
- değişkenler, katsayılar ve işlevler
- \(y = b + w_1x_1 + w_2x_2\)gibi doğrusal denklemler
- algoritma ve \(y = ln(1+ e^z)\)gibi logaritmik denklemler
- sigmoid işlevi
Doğrusal cebir
Trigonometri
- tanh (etkinleştirme işlevi olarak konuşulur; önceden bilgi gerekmez)
İstatistikler
- Ortalama, ortanca değer, aykırı değerler ve standart sapma
- histogram okuma becerisi
Hesaplama (ileri düzey konular için isteğe bağlıdır)
- Türev kavramı (aslında türevleri hesaplamanız gerekmez)
- gradyan veya eğim
- kısmi türevler (gradyanlarla yakından ilgilidir)
- zincir kuralı (nöral ağları eğitmek için geri yayılma algoritmasının tam olarak anlaşılması için)
Python Programlama
Python Eğiticisi'nde aşağıdaki Python temel bilgileri ele alınmaktadır:
Konumlandırma ve anahtar kelime parametrelerini kullanarak işlevleri tanımlama ve çağırma
sözlükler, listeler, kümeler (oluşturma, erişme ve yineleme)
for
döngüleri,for
tekrarlayan değişkeni içeren döngüler (ör.for a, b in [(1,2), (3,4)]
)dize biçimlendirmesi (ör.
'%.2f' % 3.14
)değişkenler, atama, temel veri türleri (
int
,float
,bool
,str
)
Programlama alıştırmalarının birkaçında, aşağıdaki gelişmiş Pithon konsepti kullanılmaktadır:
Bash Terminali / Cloud Console
Programlama egzersizlerini yerel makinenizde veya bir bulut konsolunda çalıştırmak için komut satırında rahatça çalışabilirsiniz: