Tentang kursus ini: Pembelajaran Mesin adalah ilmu untuk bertindak tanpa diprogram secara eksplisit. Dalam dekade terakhir, pembelajaran mesin telah memberi kita mobil self-driving, pengenalan ucapan praktis, pencarian web yang efektif, dan pemahaman yang jauh dari genom manusia. Pembelajaran mesin sangat meresap hari ini sehingga Anda mungkin menggunakannya puluhan kali sehari tanpa mengetahuinya. Banyak peneliti juga berpikir itu adalah cara terbaik untuk membuat kemajuan menuju AI tingkat manusia. Di kelas ini, Anda akan belajar tentang teknik pembelajaran mesin paling efektif, dan mendapatkan praktik yang mengimplementasikannya dan membuat mereka bekerja sendiri. Lebih penting lagi, Anda akan belajar tentang tidak hanya dasar-dasar pembelajaran teoretis, tetapi juga mendapatkan pengetahuan praktis yang dibutuhkan untuk dengan cepat dan kuat menerapkan teknik-teknik ini dengan masalah baru. Akhirnya, Anda akan belajar tentang beberapa praktik terbaik Silicon Valley dalam inovasi karena ia berkaitan dengan pembelajaran mesin dan AI.
Kursus ini menyediakan pengantar yang luas untuk pembelajaran mesin, datasistis, dan pengenalan pola statistik. Topik meliputi: (i) Pembelajaran yang diawasi (algoritma parametrik / non-parametrik, mesin vektor dukungan, kernel, jaringan saraf). (ii) Pembelajaran tanpa pengawasan (pengelompokan, pengurangan dimensi, sistem rekomendasi, pembelajaran mendalam). (iii) praktik terbaik dalam pembelajaran mesin (bias / teori varians; proses inovasi dalam pembelajaran mesin dan AI). Kursus ini juga akan menarik dari berbagai studi kasus dan aplikasi, sehingga Anda juga akan belajar cara menerapkan algoritma pembelajaran untuk membangun robot pintar (persepsi, kontrol), pemahaman teks (pencarian web, anti-spam), visi komputer, informatika medis) , audio, penambangan basis data, dan area lainnya. Situs Anda akan belajar cara membangun proyek pembelajaran mesin yang sukses. Jika Anda bercita-cita untuk menjadi pemimpin teknis di AI, dan tahu cara menetapkan arah untuk pekerjaan tim Anda, kursus ini akan menunjukkan caranya.
Sebagian besar konten ini tidak pernah diajarkan di tempat lain, dan diambil dari saya. Pengalaman membangun dan mengirimkan banyak produk pembelajaran yang mendalam. Kursus ini juga memiliki dua "simulator penerbangan" yang memungkinkan Anda mempraktikkan pengambilan keputusan sebagai pemimpin proyek pembelajaran mesin. Ini memberikan "pengalaman industri" yang mungkin Anda dapatkan hanya setelah bertahun-tahun pengalaman kerja ML.
Isi
01 dan 02: Pendahuluan, Analisis Regresi dan Keturunan Gradien
03 : Linear aljabar - Ulasan
04: Regresi Linear Dengan Beberapa Variabel
05: Oktomor
06: Regresi Logistik
07: Regularisasi
08: Jaringan Saraf - Representasi
09: Neural Networks - Learning
10: Saran untuk Menerapkan Teknik Pembelajaran Mesin
11: Desain Sistem Pembelajaran Mesin
12: Mesin Vektor Dukungan
13: Clustering
14: Pengurangan Dimensi
15: Deteksi Anomali
16: Sistem Rekomendasi
17: Pembelajaran Mesin Skala Besar
18: Contoh Aplikasi - Foto OCR
19: Ringkasan Kursus
Anda akan:
- Memahami cara mendiagnosis kesalahan Sistem pembelajaran mesin, dan
- dapat memprioritaskan arahan paling menjanjikan untuk mengurangi kesalahan
- Memahami kompleks ML SE tit, seperti pelatihan / uji yang tidak cocok, dan membandingkan dengan dan / atau melampaui kinerja tingkat manusia
- tahu bagaimana menerapkan pembelajaran akhir-ke-ujung, pembelajaran transfer, dan pembelajaran multi-tugas
9Apps 4.9
