6 pomocnych samouczków i kursów uczenia maszynowego, aby uchwycić najważniejsze informacje

Uczenie maszynowe to przyszłość automatyzacji. Miliony zadań wykonywanych codziennie przez ludzi zostaną ostatecznie zastąpione przeszkolonymi sieciami neuronowymi. Nawet teraz algorytmy uczenia maszynowego kształtują twoje życie.

Rynek pracy zmienia się, aby dostosować się do tej nowej technologii, a ci, którzy są zdolni do programowania własnych sieci (lub integracji z istniejącymi), są bardzo poszukiwani.

Nigdy nie było lepszego czasu na zanurzenie się w uczeniu maszynowym. Oto sześć przydatnych samouczków i zasobów, które pomogą Ci dowiedzieć się o uczeniu maszynowym.

1. Pociąg kodujący

Każdy, kto zna kanał YouTube Daniela Shiffmana, będzie wiedział o jego doskonałych samouczkach dotyczących przetwarzania i p5.js. Jego zabawny styl nauczania w czasie rzeczywistym pomógł niezliczonym osobom nauczyć się podstaw kodowania.

Oprócz wielu filmów z wyzwaniami dotyczącymi kodowania, które dotyczą pojedynczych tematów, Shiffman ma także niezwykle dokładną listę odtwarzania maszynowego.

Te filmy są szczególnie przydatne dla osób, które chcą nauczyć się języka Java lub JavaScript jako podstawowego języka. Na szczęście koncepcje zawarte w serii dotyczą dowolnego wybranego języka.

Nature of Code, ukochana książka Shiffmana, poświęciła swój ostatni rozdział sieciom neuronowym. Jest samodzielny jako doskonałe wprowadzenie do tej dziedziny. Prace były kontynuowane zarówno na kanale YouTube The Coding Train, jak i na jego osobistej stronie GitHub.

Wielką siłą uczenia się w ten sposób jest sam Daniel Shiffman. Jako naturalny nauczyciel podaje jasne przykłady interakcji kodu z algorytmami uczenia maszynowego.

2. Kurs awaryjny uczenia maszynowego

Google jest dużym graczem w dziedzinie uczenia maszynowego. Ich platforma open source Tensorflow została zaprojektowana, aby otworzyć ten temat dla każdego w różnych językach programowania.

Google ma również swój własny bezpłatny kurs uczenia maszynowego, którego celem jest nauczenie zarówno podstaw uczenia maszynowego, jak i korzystania z Tensorflow poprzez interfejsy API.

Każdy rozdział kursu zawiera wykłady wideo wraz z pełnym tekstem na poparcie treści. Zgodnie z oczekiwaniami jest to niezwykle szczegółowy program nauczania. Kurs oferuje również interaktywne “Wyzwanie programistyczne” strony, na których kod jest dynamicznie prezentowany w przeglądarce, gdzie można go zarówno uruchamiać, jak i modyfikować, przed udostępnieniem problemów z kodowaniem, które pomogą zrozumieć moduł.

Program obejmuje również “Ćwiczenia na placu zabaw” i szanse na “Sprawdź czy dobrze zrozumiałeś”, obejmujący interaktywne wizualizacje zasad uczenia maszynowego i pytania oparte na bieżącym temacie.

Nic dziwnego, że Google jest liderem w tej dziedzinie, a na darmowym kursie ten obejmuje wiele gruntów!

3. Siraj Raval

Chociaż jest wielu świetnych nauczycieli YouTube, niewielu ma równowagę doskonałej prezentacji, jasnego wyjaśnienia tematów i, co najważniejsze, memów, a także Siraj Raval.

Jego kanał na YouTube koncentruje się głównie na języku programowania Python wraz z wieloma zasadami niezbędnymi do nowoczesnej nauki danych i uczenia maszynowego. Siraj ma playlistę łatwych do śledzenia filmów na temat sieci neuronowych i uczenia maszynowego. Różnice między szybkimi filmami o jednym temacie a dłuższymi pracami w stylu transmisji na żywo obejmują obie podstawy i sposób ich zastosowania do danych.

Kanał Siraj jest szczególnie przydatny dla tych, którzy już uczą się języka Python, a jeśli chcesz nauczyć się języka, te podstawowe przykłady w języku Python 10 podstawowych przykładów w języku Python, które pomogą Ci szybko się nauczyć 10 podstawowych przykładów w języku Python, które pomogą Ci szybko się nauczyć Ten artykuł o podstawowym języku Python przykłady są dla tych, którzy mają już pewne doświadczenie w programowaniu i po prostu chcą jak najszybciej przejść do Pythona. pomoże ci zdobyć podstawy.

4. Sieci neuronowe i głębokie uczenie się

Chociaż samouczki wideo to świetny sposób na naukę, niektórzy wolą uczyć się z książki. Sieci neuronowe i głębokie uczenie się Michaela Nielsena nie kwalifikuje się do druku, ponieważ wykorzystuje osadzone przykłady zaprojektowane dla przeglądarki. Jest to jednak najczystsze pisemne wyjaśnienie nie tylko historii uczenia maszynowego, ale także sposobów uczenia się matematyki za sieciami neuronowymi, które znajdziesz.

Książka śledzi projekt rozpoznawania postaci od początku do końca. Jego tempo pozwala czytelnikowi zrozumieć zarówno, jak i dlaczego sieć uczy się, a także decyzje i wyzwania, przed którymi staną, przygotowując działającą sieć neuronową.

Po raz kolejny wybranym językiem jest Python, chociaż podstawy są tutaj tak dokładnie omówione, że zaleca się lekturę dla każdego, kto interesuje się uczeniem maszynowym.

5. Udacity Nanodegrees for Machine Learning

Istnieje kilka szczegółowych “Nanodegrees” dostępne w Udacity do uczenia maszynowego. Gorąco polecany kurs Zostań inżynierem uczenia maszynowego to kurs pogłębiony, który prowadzi studentów przez zasady uczenia maszynowego poprzez pracę nad projektem.

Każdy projekt ma na celu naśladowanie czegoś, z czym spotkałby się inżynier w swojej pracy. Studenci zapisani na kurs mają dostęp do Amazon Web Services (AWS) w celu wdrażania swoich projektów.

Kurs kosztuje 899 $ nie będzie tani jak na standardy wielu ludzi, ale korzyść z posiadania relacji z nauczycielami wraz z narzędziami zapewnianymi przez kurs będzie nieoceniona dla wielu.

6. Utwórz program mieszany

Podczas gdy wszystko na tej liście do tej pory jest idealne do zaawansowanego uczenia się, dla wielu osób nawet podstawy będą trudne. W tym przypadku stworzenie własnego mieszanego programu nauczania może być świetnym sposobem na uzupełnienie wszystkich luk i zapewnienie solidnej bazy wiedzy na przyszłość.

Użytkownik Reddit pk7677 odpowiedział na post na / r / MachineLearning z kilkoma radami mędrca:

Cały post poleca tworzenie własnych projektów. Powinieneś także mieć oko na nowe i rozwijające się obszary.

Dogłębne uczenie się dla uczenia maszynowego

Niezależnie od wybranej metody uczenia maszynowego przygotuj się na długą podróż. Temat jest z natury niesamowicie gęsty.

Popularność uczenia maszynowego gwałtownie wzrosła, a wynika to z poprawy mocy obliczeniowej i informatyki. Nie ma łatwych dróg do teorii za tym. Teraz jest czas na opanowanie przyszłościowych języków programowania.

Jeśli jesteś nowicjuszem, wybierz język programowania przyjazny dla początkujących. 6 najłatwiejszych języków programowania dla początkujących. 6 najłatwiejszych języków programowania dla początkujących. Nauka programowania polega na znalezieniu odpowiedniego języka, tak samo jak na procesie edycji. Oto sześć najpopularniejszych języków programowania dla początkujących. przed zanurzeniem się w uczenie maszynowe. I nie zapomnij przejrzeć naszego porównania głębokiego uczenia się, uczenia maszynowego i AI Głębokie uczenie się vs. Uczenie maszynowe vs. AI: Jak się łączą? Dogłębne uczenie się a uczenie maszynowe a sztuczna inteligencja: jak się łączą? Próbujesz ustalić różnicę między sztuczną inteligencją, uczeniem maszynowym i głębokim uczeniem się? Oto, co oni wszyscy znaczą. . Ucz się i powodzenia!