Ist der Crashkurs „Maschinelles Lernen“ das Richtige für dich?
Bitte lesen Sie sich die folgende Vorbereitung durch. Abschnitt Voraussetzungen vor Beginn des maschinellen Lernens Crashkurs, um sicherzustellen, dass Sie auf alle Module vorbereitet sind.
Vorarbeiten
Bevor Sie mit dem Crashkurs „Maschinelles Lernen“ beginnen, sollten Sie Folgendes tun:
- Wenn Sie noch keine Erfahrung mit maschinellem Lernen haben, Einführung in maschinelles Lernen Lernt. In diesem kurzen Selbststudium lernen Sie die Grundlagen des maschinellen Lernens kennen. Konzepten.
- Wenn Sie mit NumPy noch nicht vertraut sind, führen Sie die folgenden Schritte aus: NumPy Ultrakurze Anleitung für Colab-Übung, die alle NumPy Informationen, die Sie für diesen Kurs benötigen.
- Wenn Sie pandas noch nicht kennen: Panda Ultrakurzanleitung für Colab-Übung, in der alle Pandas- Informationen, die Sie für diesen Kurs benötigen.
Programmierübungen werden direkt in Ihrem Browser ausgeführt (keine Einrichtung erforderlich!) im Colaboratory Plattform. Colaboratory wird von den meisten gängigen Browsern unterstützt und ist wurden gründlich in den Desktop-Versionen von Chrome und Firefox getestet.
Vorbereitung
Der Crashkurs „Maschinelles Lernen“ setzt keine Vorkenntnisse im Bereich maschinelles Lernen. Um die vorgestellten Konzepte und die Übungen abschließen, empfehlen wir, dass die Schüler folgende Voraussetzungen erfüllen:
Sie müssen mit Variablen, linearen Gleichungen, Grafiken von Funktionen, Histogrammen und statistischen Mitteln.
Du solltest ein guter Programmierer sein. Idealerweise sollten Sie Sie keine Erfahrung mit dem Programmieren in Python haben, die Programmierübungen in Python durchgeführt werden. Jedoch haben erfahrene Programmierer ohne Python-Kenntnisse können die Programmierung in der Regel sowieso trainieren.
Die folgenden Abschnitte enthalten Links zu zusätzlichem Hintergrundmaterial. das hilfreich ist.
Algebra
- Variablen Koeffizienten, und Funktionen
- lineare Gleichungen wie \(y = b + w_1x_1 + w_2x_2\)
- Logarithmen und logarithmische Gleichungen wie \(y = ln(1+ e^z)\)
- Sigmoidfunktion
Lineare Algebra
Trigonometrie
- tanh (wird als Aktivierungsfunktion; keine Vorkenntnisse erforderlich)
Statistiken
- Mittelwert, Medianwert, Ausreißer, und Standardabweichung
- Fähigkeit, ein Histogramm zu lesen
Differenzial-/Integralrechnung (optional, für fortgeschrittene Themen)
- Konzept einer Ableitung (Ableitungen müssen nicht tatsächlich berechnet werden)
- Farbverlauf oder Gefälle
- partielle Ableitungen (die eng mit Farbverläufen verwandt sind)
- Kettenregel (um ausführliche Informationen zum Backpropagation-Algorithmus zu erhalten) zum Trainieren neuronaler Netzwerke)
Python-Programmierung
Die folgenden Python-Grundlagen werden in der Python-Anleitung behandelt:
Funktionen definieren und aufrufen, Positions- und Keyword-Parameter
Wörterbücher Listen, Sätze (Erstellen, Aufrufen und Iterieren)
for
-Schleifen,for
-Schleifen mit mehreren Iterationsvariablen (z.B.for a, b in [(1,2), (3,4)]
)Stringformatierung (z.B.
'%.2f' % 3.14
)Variablen, Zuweisung, grundlegende Datentypen (
int
,float
,bool
,str
)
Einige der Programmierübungen verwenden die folgenden komplexeren Python-Konzept:
Bash-Terminal und Cloud Console
So führen Sie die Programmierübungen auf Ihrem lokalen Computer oder in einer Cloud Console aus: sollten Sie mit der Befehlszeile vertraut sein: