Il corso accelerato sul machine learning è la scelta giusta per te?
Leggi le sezioni Preparazione e Prerequisiti seguenti prima di iniziare il corso sugli arresti anomali del machine learning, per assicurarti di essere in grado di completare tutti i moduli.
Preparazione
Prima di iniziare il corso sugli arresti anomali del machine learning, procedi come segue:
- Se non hai mai utilizzato il machine learning, consulta Introduzione al machine learning. Questo breve corso di autoapprendimento introduce concetti fondamentali di machine learning.
- Se non hai mai utilizzato NumPy, NumPy UltraQuick Tutorial Tutorial di Colab, che fornisce tutte le informazioni di NumPy che ti servono per questo corso.
- Se non conosci pandas, esegui l'esercizio di Colab su Pandas UltraQuick Tutorial, che fornisce tutte le informazioni sui panda di cui hai bisogno per questo corso.
Gli esercizi di programmazione vengono eseguiti direttamente nel tuo browser (non è richiesta alcuna configurazione!) utilizzando la piattaforma Colaboratory. Colaboratory è supportato sulla maggior parte dei browser e viene testato molto accuratamente sulle versioni desktop di Chrome e Firefox. Se preferisci scaricare ed eseguire esercizi offline, consulta queste istruzioni per configurare un ambiente locale.
Prerequisiti
Il Machine Crash Course non presuppone né richiede alcuna conoscenza precedente nel machine learning. Tuttavia, per comprendere i concetti presentati e completare gli esercizi, consigliamo agli studenti di soddisfare i seguenti prerequisiti:
Devi saper utilizzare variabili, equazioni lineari, grafici di funzioni, istogrammi e mezzi statistici.
Dovresti essere un buon programmatore. Idealmente, dovresti avere un'esperienza di programmazione in Python, perché gli esercizi di programmazione sono in Python. Tuttavia, i programmatori esperti senza esperienza Python di solito possono completare gli esercizi di programmazione.
Le seguenti sezioni forniscono link a materiali di sfondo aggiuntivi che sono utili.
Algebra
- variabili, coefficienti e funzioni
- equazioni lineari quali \(y = b + w_1x_1 + w_2x_2\)
- logaritmi ed equazioni logaritmiche, come \(y = ln(1+ e^z)\)
- funzione sigmoide
Algebra lineare
Trigonometria
- tanh (considerato come una funzione di attivazione; non è richiesta alcuna conoscenza precedente).
Statistiche
- media, mediana, valori anomali e deviazione standard
- possibilità di leggere un istogramma
Calcolo (facoltativo, per argomenti avanzati)
- concetto di derivata (in realtà non dovrai calcolare le derivate)
- gradiente o pendenza
- derivazioni parziali (che sono strettamente correlate ai gradienti)
- regola della catena (per comprendere appieno l'algoritmo di backpropagation per addestrare le reti neurali)
Programmazione Python
Le seguenti nozioni di base su Python sono illustrate nel tutorial su Python:
definire e chiamare le funzioni, utilizzando i parametri posizionali e della parola chiave
dizionari, elenchi, insiemi (creazione, accesso e iterazione)
for
loop,for
loop con più variabili iteratore (ad es.for a, b in [(1,2), (3,4)]
)Formattazione stringa (ad es.
'%.2f' % 3.14
)variabili, assegnazione, tipi di dati di base (
int
,float
,bool
,str
)
Alcuni degli esercizi di programmazione utilizzano il seguente concetto di Python più avanzato:
Terminale Bash / Cloud Console
Per eseguire gli esercizi di programmazione sulla macchina locale o in una console cloud, dovrai lavorare senza problemi con la riga di comando: