Предпосылки и предварительная работа

Подходит ли вам ускоренный курс по машинному обучению?

У меня мало или совсем нет опыта машинного обучения.

Рекомендуем проходить весь материал по порядку.

НАЧАТЬ УЧИТЬСЯ

У меня есть некоторый опыт в области машинного обучения, но я хотел бы иметь более актуальное и полное понимание.

Ускоренный курс по машинному обучению станет отличным переподготовкой. Пройдите все модули по порядку или выберите только те модули, которые вас интересуют.

НАЧАТЬ УЧИТЬСЯ

Я очень хорошо знаком с машинным обучением, но мало или совсем ничего не знаю о TensorFlow.

Многие материалы могут показаться вам слишком простыми. Вместо того, чтобы просматривать весь контент, сосредоточьтесь только на следующем материале:

• Первые шаги с TensorFlow
• упражнения по программированию TensorFlow

Ускоренный курс по машинному обучению фокусируется в первую очередь на API более высокого уровня. Если вы больше заинтересованы в изучении низкоуровневого API TensorFlow (возможно, для проведения исследований в области машинного обучения), вместо этого изучите следующие ресурсы:

• Коллекция руководств TensorFlow
• Курс Винсента Ванхоука Udacity

Прежде чем приступить к ускоренному курсу по машинному обучению, прочитайте следующие разделы «Подготовка к работе » и «Предварительные требования» , чтобы убедиться, что вы готовы пройти все модули.

Предварительная работа

Прежде чем приступить к ускоренному курсу по машинному обучению, сделайте следующее:

1. Если вы новичок в машинном обучении, пройдите Введение в машинное обучение . Этот короткий курс для самостоятельного изучения знакомит с фундаментальными концепциями машинного обучения.
2. Если вы новичок в NumPy , выполните упражнение Colab по NumPy Ultraquick Tutorial , которое предоставляет всю информацию о NumPy, необходимую для этого курса.
3. Если вы новичок в pandas , выполните упражнение Colab UltraQuick Tutorial pandas , которое предоставляет всю информацию о пандах, необходимую для этого курса.

Упражнения по программированию выполняются прямо в вашем браузере (настройка не требуется!) с использованием платформы Colaboratory . Colaboratory поддерживается в большинстве основных браузеров и наиболее тщательно протестирована в настольных версиях Chrome и Firefox. Если вы предпочитаете загружать и выполнять упражнения в автономном режиме, см. эти инструкции по настройке локальной среды.

Предпосылки

Ускоренный курс по машинному обучению 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 уметь работать с переменными, линейными уравнениями, графиками функций, гистограммами и средними статистическими значениями.

• Вы должны быть хорошим программистом. В идеале у вас должен быть некоторый опыт программирования на Python , потому что упражнения по программированию выполняются на Python. Тем не менее, опытные программисты, не имеющие опыта работы с Python, обычно в любом случае могут выполнять 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 матриц

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 нужно будет фактически вычислять производные)
• градиент или наклон
• частные производные (которые тесно связаны с градиентами)
• цепное правило (для полного понимания алгоритма обратного распространения для обучения нейронных сетей)

Программирование на Питоне

Следующие основы Python рассматриваются в The Python Tutorial :

• определение и вызов функций с использованием позиционных и ключевых параметров

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

• for циклов , for циклов с несколькими переменными итератора (например, for a, b in [(1,2), (3,4)] )

• if/else условные блоки 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:

• понимание списка

Bash-терминал / 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 Bash
• Узнать оболочку

Центр помощи