Подходит ли вам ускоренный курс по машинному обучению?
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:
- Если вы новичок в машинном обучении, пройдите Введение в машинное обучение . Этот короткий курс для самостоятельного изучения знакомит с фундаментальными концепциями машинного обучения.
- Если вы новичок в NumPy , выполните упражнение Colab по NumPy Ultraquick Tutorial , которое предоставляет всю информацию о NumPy, необходимую для этого курса.
- 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
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
for
циклов ,for
циклов с несколькими переменными итератора (например,for a, b in [(1,2), (3,4)]
)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:
Bash-терминал / облачная консоль
Чтобы выполнять упражнения по программированию на локальном компьютере или в облачной консоли, вам должно быть удобно работать в командной строке: