O Curso intensivo de machine learning é ideal para você?
Leia as seções Pré-trabalho e Pré-requisitos a seguir antes de começar o Curso intensivo de machine learning para garantir a preparação para concluir todos os módulos.
Pré-trabalho
Antes de iniciar o Curso intensivo de machine learning, faça o seguinte:
- Se você não tem experiência com machine learning, consulte Introdução ao enquadramento de problemas de machine learning. Este curso de estudo autônomo de uma hora ensina como identificar os problemas apropriados para machine learning.
- Se você não tem experiência com NumPy, faça o exercício Tutorial do NumPy (em inglês) no Colab, que fornece todas as informações numPy necessárias para este curso.
- Se você não tem experiência com pandas, faça o exercício do Colab do Tutorial do Ultrapandas do pandas, que fornece todas as informações necessárias para o curso.
Os exercícios de programação são executados diretamente no navegador, sem necessidade de configuração, usando a plataforma Colaboratory (em inglês). O Colaboratory é compatível com a maioria dos principais navegadores e é testado mais detalhadamente em versões do Chrome para computador e Chrome. Se você preferir fazer o download e executar os exercícios off-line, consulte estas instruções para configurar um ambiente local.
Pré-requisitos
O curso "Machine Learning Crash" não pressupõe nem exige conhecimento prévio em machine learning. No entanto, para entender os conceitos apresentados e concluir os exercícios, recomendamos que os alunos atendam aos pré-requisitos a seguir:
É necessário saber usar variáveis, equações lineares, gráficos de funções, histogramas e meios estatísticos.
Você deve ser um bom programador. O ideal é ter alguma experiência com programação em Python, porque os exercícios de programação estão em Python. No entanto, programadores experientes sem experiência em Python geralmente podem concluir os exercícios de programação mesmo assim.
As seções a seguir fornecem links para outros materiais de plano de fundo que são úteis.
Álgebra
- variáveis, coeficientes e funções
- equações lineares, como \(y = b + w_1x_1 + w_2x_2\)
- logaritmos e equações logarítmicas, como \(y = ln(1+ e^z)\)
- função sigmoide
Álgebra linear
Trigonometria
- tanh (discutido como uma função de ativação; sem conhecimento prévio)
Estatísticas
- média, mediana, outliers e desvio padrão
- capacidade de ler um histograma
Cálculo (opcional para tópicos avançados)
- conceito de um derivativo (você não terá que calcular derivados)
- gradiente ou inclinação
- Derivados parciais (que estão diretamente relacionados a gradientes)
- regra de cadeia (para uma compreensão completa do algoritmo de retropropagação para treinamento de redes neurais)
Programação Python
Veja a seguir os conceitos básicos do Python no Tutorial do Python:
Definir funções de chamada e chamada usando parâmetros posicionais e de palavra-chave
dicionários, listas, conjuntos (criação, acesso e iteração)
Repetições
for, loopsforcom várias variáveis de iterador (por exemplo,for a, b in [(1,2), (3,4)])formatação de string (por exemplo,
'%.2f' % 3.14).variáveis, atribuição, tipos de dados básicos (
int,float,bool,str)
Alguns dos exercícios de programação usam o seguinte conceito em Python mais avançado:
Terminal Bash / Console do Cloud
Para executar os exercícios de programação na sua máquina local ou em um Console do Cloud, você precisa saber trabalhar na linha de comando: