機械学習集中講座の受講に適していますか？
次の事前作業と ML を始める前にの前提条件のセクション 集中コースもぜひご覧ください。
事前作業
ML 集中講座を開始する前に、以下を実施してください。
- ML を初めて使用する場合は、 機械の概要 学習。 ML の基礎を学ぶ、自習用の短いコースです。 説明します。
- NumPy を初めて使用する場合は、次の手順を行います。 NumPy Ultraquick チュートリアルは Colab の演習で、すべての NumPy の このコースに必要な情報が記載されています
- pandas を初めて使用する場合は、 pandas UltraQuick チュートリアルは、Colab の演習で このコースに必要な情報が記載されています
プログラミング演習はブラウザ上で直接実行できる（セットアップは不要） 必要）については、Colaboratory で 説明します。Colaboratory は主要なブラウザのほとんどでサポートされており、 デスクトップ版の Chrome と Firefox で徹底的にテストされています。
前提条件
ML 集中講座では、Google Cloud に関する事前知識や MLこのコースで紹介するコンセプトを理解するには、 完了するには、クラスルーム トレーニングの 次の前提条件を満たす必要があります。
変数、一次方程式、 関数、ヒストグラム、統計的平均値のグラフ。
優れたプログラマーでなければなりません。理想的には、 Python でのプログラミング経験がある プログラミング演習は Python で行われますしかし、 Python の経験がないプログラマーでも、通常は とにかく練習することです。
以下のセクションでは、その他の背景資料へのリンクを紹介します。 便利です。
代数学
線形代数
三角法
統計情報
- 平均値、中央値、外れ値 と標準偏差
- ヒストグラムの読み取り機能
微積分学（省略可、高度なトピック用）
- 導関数の概念 （実際に微分係数を計算する必要はありません）
- グラデーション または傾き
- 偏導関数 （勾配に密接に関連しています）
- チェーンルール （誤差逆伝播アルゴリズムの （ニューラル ネットワークのトレーニング用）
Python プログラミング
次の Python の基本については、Python チュートリアルで説明しています。
関数の定義と呼び出し positional パラメータと keyword パラメータを使用する
forループ、forは、複数のイテレータ変数（for a, b in [(1,2), (3,4)]）文字列形式 （例:
'%.2f' % 3.14）変数、割り当て、基本的なデータ型 （
int、float、bool、str）
プログラミング演習のいくつかでは、次のより高度な手法を使用します。 Python のコンセプト:
Bash ターミナルと Cloud コンソール
プログラミング演習をローカルマシンまたはクラウド コンソールで行うには、次の操作を行います。 コマンドラインでの操作に慣れているはずです。