Подходит ли вам ускоренный курс машинного обучения?
Прежде чем приступить к ускоренному курсу машинного обучения, прочтите следующие разделы «Подготовка» и «Предварительные требования» , чтобы убедиться, что вы готовы пройти все модули.
Предварительная работа
Прежде чем начать ускоренный курс машинного обучения, сделайте следующее:
- Если вы новичок в машинном обучении, пройдите курс «Введение в машинное обучение» . Этот короткий курс самообучения знакомит с фундаментальными концепциями машинного обучения.
- Если вы новичок в NumPy , выполните упражнение NumPy Ultraquick Tutorial Colab, в котором представлена вся информация о NumPy, необходимая для этого курса.
- Если вы новичок в pandas , выполните упражнение Pandas UltraQuick Tutorial Colab, в котором представлена вся информация о пандах, необходимая 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 протестирован в настольных версиях Chrome и Firefox.
Предварительные условия
Ускоренный курс машинного обучения 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 хорошо разбираться в переменных, линейных уравнениях, графиках функций, гистограммах и статистических средствах.
Вы должны быть хорошим программистом. В идеале у вас должен быть некоторый опыт программирования на Python, поскольку упражнения по программированию проводятся на Python. Однако опытные программисты без опыта работы с Python обычно все равно могут выполнить 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 придется вычислять производные)
- градиент или наклон
- частные производные (которые тесно связаны с градиентами)
- цепное правило (для полного понимания алгоритма обратного распространения ошибки при обучении нейронных сетей)
Программирование на Python
В учебнике Python рассматриваются следующие основы Python:
определение и вызов функций с использованием позиционных и ключевых параметров
for
циклы ,for
циклы с несколькими переменными-итераторами (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:
Терминал Bash и облачная консоль
Чтобы выполнять упражнения по программированию на локальном компьютере или в облачной консоли, вам должно быть удобно работать в командной строке: