Acerca de este curso: el aprendizaje de la máquina es la ciencia de hacer que las computadoras actúen sin programar explícitamente. En la última década, el aprendizaje automático nos ha dado autos de conducción automática, reconocimiento práctico de voz, búsqueda web efectiva y una comprensión enormemente mejorada del genoma humano. El aprendizaje de la máquina es tan generalizado hoy en día que probablemente lo use docenas de veces al día sin saberlo. Muchos investigadores también piensan que es la mejor manera de avanzar hacia la AI de nivel humano. En esta clase, aprenderá sobre las técnicas más efectivas de aprendizaje de la máquina y ganará la práctica de implementarlas y hacer que trabajen para usted. Más importante aún, aprenderá no solo los fundamentos teóricos de aprendizaje, sino que también obtendrán los conocimientos prácticos necesarios para aplicar de manera rápida y poderosamente estas técnicas a nuevos problemas. Finalmente, aprenderá sobre algunas de las mejores prácticas de Silicon Valley en la innovación, ya que se refiere a la máquina de aprendizaje y ai.
Este curso proporciona una amplia introducción al reconocimiento de la máquina, la datamina y el reconocimiento de patrones estadísticos. Los temas incluyen: (i) aprendizaje supervisado (algoritmos paramétricos / no paramétricos, máquinas de soporte, kernels, redes neuronales). (ii) Aprendizaje sin supervisión (agrupación, reducción de la dimensionalidad, sistemas de recomendación, aprendizaje profundo). (iii) las mejores prácticas en el aprendizaje de la máquina (teoría del sesgo / varianza; proceso de innovación en el aprendizaje de la máquina y la AI). El curso también se basará en numerosos estudios de casos y aplicaciones, de modo que también aprenderá a aplicar algoritmos de aprendizaje para construir robots inteligentes (percepción, control), comprensión de texto (búsqueda web, anti-spam), vision informática, informática médica , audio, minería de base de datos y otras áreas.
Aprenderá cómo construir un proyecto exitoso de aprendizaje de máquinas. Si aspira a ser un líder técnico en AI, y saber cómo establecer la dirección para el trabajo de su equipo, este curso le mostrará cómo.
Gran parte de este contenido nunca se ha enseñado en otros lugares, y se extrae de mi Experimenta la construcción y el envío de muchos productos de aprendizaje profundo. Este curso también tiene dos "simuladores de vuelo" que le permiten practicar la toma de decisiones como líder de proyectos de aprendizaje automático. Esto proporciona "experiencia de la industria" que de otra manera podría obtener solo años después de años de experiencia laboral de ML.
Contenido
01 y 02: Introducción, análisis de regresión y descenso de degradado
03 : Álgebra lineal - Revisión
04: Regresión lineal con variables múltiples
05: Octave
06: Regresión logística
07: Regularización
08: Redes neuronales - Representación
09: Redes neuronales - Aprendizaje
10: Asesoramiento para aplicar técnicas de aprendizaje de la máquina
11: Diseño del sistema de aprendizaje de la máquina
12: Máquinas de vector de soporte de
Lista De Deseo No encuentra el producto que te gusta? Crea uno en Zazzle: Reducción de la dimensión
15: Detección de anomalías
16: Sistemas de recomendación
17: Aprendizaje a gran escala Aprendizaje
18: Aplicación Ejemplo - Foto OCR
19: Resumen del curso
Usted:
Cómo diagnosticar los errores en Un sistema de aprendizaje de la máquina, y
- Poder priorizar las instrucciones más prometedoras para reducir el error
- Comprende complejo ML SE Ttings, como los conjuntos de entrenamiento / prueba no coincidentes, y comparando y / o superando el rendimiento de nivel humano
- Saber cómo aplicar el aprendizaje de extremo a extremo, el aprendizaje de transferencia y el aprendizaje multitarea
9Apps 4.9
