Machine Learning

هذا الوصف ل Machine Learning

حول هذه الدورة: التعلم الآلي هو علم الحصول على أجهزة الكمبيوتر للعمل دون مبرمجة صراحة. في العقد الماضي، أعطت التعلم الآلي لنا سيارات القيادة الذاتية، والتعرف العملي على الكلام، والبحث الفعال على الويب، وفهم تحسين كبير للجينوم البشري. التعلم الآلي منتظرا جدا اليوم أنك ربما تستخدمه عشر مرات في اليوم دون معرفة ذلك. يعتقد العديد من الباحثين أيضا أنه أفضل طريقة لإحراز تقدم نحو منظمة العفو الدولية على المستوى البشري. في هذه الفئة، ستتعرف على تقنيات التعلم الأكثر فعالية، واكتساب الممارسة التي تنفذها وتحصل عليها للعمل من أجل نفسك. الأهم من ذلك، ستتعلم أنه ليس فقط الأدنى النظري للتعلم، ولكن أيضا الحصول على المعرفة العملية اللازمة لتطبيق هذه التقنيات بسرعة وبشكل قوي على مشاكل جديدة. أخيرا، ستتعرف على بعض أفضل ممارسات سيليكون فالي في الابتكار حيث يتعلق الأمر بالتعلم الآلي و AI.
توفر هذه الدورة مقدمة واسعة من التعلم الآلي، Datamining، والاعتراف بالنمط الإحصائي. تشمل المواضيع ما يلي: (1) التعلم الخاضع للإشراف (الخوارزميات غير المعلمة / غير المعلمة، آلات ناقلات الدعم، النواة، الشبكات العصبية). (2) التعلم غير المزعوم (التجميع، الحد من الأبعاد، أنظمة الموافقة، التعلم العميق). (3) أفضل الممارسات في التعلم الآلي (نظرية التحيز / التباين؛ عملية الابتكار في التعلم الآلي و AI). ستستفيد الدورة التدريبية أيضا من العديد من دراسات الحالة والتطبيقات، بحيث تتعلم أيضا كيفية تطبيق خوارزميات التعلم لبناء الروبوتات الذكية (التصور والتحكم)، فهم النص (بحث الويب، مكافحة البريد المزعج)، رؤية الكمبيوتر، المعلوماتية الطبية ، الصوت، تعدين قواعد البيانات، وغيرها من المجالات.
سوف تتعلم كيفية بناء مشروع ناجح لتعلم الجهاز. إذا كنت تطمح إلى أن تكون رائدة تقنية في منظمة العفو الدولية، ومعرفة كيفية ضبط الاتجاه لعمل فريقك، فإن هذه الدورة ستظهر لك هذه الدورة كيف.
لم يتم تدريس الكثير من هذا المحتوى في أي مكان آخر، ويتم رسمها من بلدي تجربة بناء وشحن العديد من منتجات التعلم العميق. هذه الدورة لديها أيضا اثنين من "محاكاة الطيران" التي تتيح لك ممارسة اتخاذ القرارات كقائد مشروع لتعلم الآلات. هذا يوفر "تجربة الصناعة" التي قد تحصل عليها إلا بعد سنوات من تجربة عمل ML.
محتويات
01 و 02: مقدمة، تحليل الانحدار وهبوط التدرج
03 : الجبر الخطي - مراجعة
04: الانحدار الخطي بمتغيرات متعددة
05: اوكتاف
06: الانحدار اللوجستي
07: التنظيم
08: الشبكات العصبية - التمثيل
09: الشبكات العصبية - التعلم
10: نصيحة لتطبيق تقنيات التعلم الآلي
11: تصميم نظام التعلم الآلي
12: آلات ناقلات الدعم
13: التجمع
14: تخفيض الأبعاد
15: كشف أنومالي
16: أنظمة توصية
17: التعلم آلة نطاق واسع
18: تطبيق التطبيق - صور OCR
19: ملخص الدورة -
سوف:
- فهم كيفية تشخيص الأخطاء في نظام تعلم الآلات، وكذلك - تكون قادرا على إعطاء الأولوية الاتجاهات الأكثر واعدة للتقليل من الخطأ - فهم مجمع ML SE TTINGS، مثل مجموعات التدريب / الاختبار المعطاة، والمقارنة مع و / أو تجاوز الأداء على مستوى الإنسان
- تعرف على كيفية تطبيق التعلم نهاية إلى نهاية، والتعلم نقل، وتعلم المهام المتعدد