Le cours d'initiation au machine learning est-il fait pour vous ?
Veuillez lire le préparatoire suivant et Sections Prérequis avant de se lancer dans le machine learning Cours d'initiation, pour vous assurer que vous êtes prêt à suivre tous les modules.
Travail préalable
Avant de commencer le cours d'initiation au machine learning, procédez comme suit:
- Si vous débutez en machine learning, Présentation du machine learning Apprentissage. Ce court cours d'auto-apprentissage présente les principes de base du machine learning concepts.
- Si vous débutez avec NumPy, exécutez la NumPy Tutoriel ultrarapide (exercice Colab) qui fournit tous les outils NumPy les informations dont vous avez besoin pour ce cours.
- Si vous ne connaissez pas pandas, exécutez la Pandas Tutoriel ultrarapide (exercice Colab), qui fournit tous les pandas les informations dont vous avez besoin pour ce cours.
Les exercices de programmation s'exécutent directement dans votre navigateur obligatoire) à l'aide de l'API Colaboratory Google Cloud. Colaboratory est compatible avec la plupart des principaux navigateurs. a fait l'objet de tests approfondis sur les versions pour ordinateur de Chrome et Firefox.
Prérequis
Le cours d'initiation au machine learning ne nécessite aucune connaissance préalable en le machine learning. Toutefois, pour comprendre les concepts présentés et de réaliser les exercices, nous recommandons aux participants de suivre conditions préalables suivantes:
Vous devez maîtriser les variables, les équations linéaires, graphiques de fonctions, histogrammes et moyennes statistiques.
Tu devrais être un bon programmeur. Idéalement, vous devriez avoir de l'expérience en programmation Python, car les exercices de programmation sont en Python. Toutefois, les cas les programmeurs sans expérience en Python peuvent généralement effectuer la programmation quand même.
Les sections suivantes fournissent des liens vers d'autres documents de référence. utiles.
Algèbre
- variables, coefficients, et des fonctions
- Équations linéaires comme \(y = b + w_1x_1 + w_2x_2\)
- logarithmes et équations logarithmiques comme \(y = ln(1+ e^z)\)
- fonction sigmoïde
Algèbre linéaire
Trigonométrie
- tanh (présentée comme fonction d'activation. aucune connaissance préalable requise)
Statistiques
- moyenne, médiane, anomalies, et écart type
- Possibilité de lire un histogramme
Calcul (facultatif, pour les sujets avancés)
- le concept de dérivée (vous n'aurez pas à calculer des dérivées)
- dégradé ou une pente
- dérivées partielles (étroitement liés aux gradients)
- règle (pour bien comprendre l'algorithme de rétropropagation pour l'entraînement des réseaux de neurones)
Programmation en Python
Les bases suivantes de Python sont abordées dans le tutoriel Python:
définir et appeler des fonctions, à l'aide de paramètres positionnels et de mots clés
dictionnaires listes, ensembles (création, accès et itération)
Boucles
for
, Bouclesfor
avec plusieurs variables d'itérateur (par exemple,for a, b in [(1,2), (3,4)]
)mise en forme des chaînes (par exemple,
'%.2f' % 3.14
)variables, attribution, types de données de base (
int
,float
,bool
,str
)
Certains exercices de programmation utilisent les techniques avancées suivantes : Concept Python:
Terminal Bash et console Cloud
Pour exécuter les exercices de programmation sur votre ordinateur local ou dans une console cloud, vous êtes à l'aise avec la ligne de commande: