Informazioni su questo corso: L'apprendimento della macchina è la scienza di ottenere computer per agire senza essere esplicitamente programmato. Nell'ultimo decennio, l'apprendimento della macchina mi ha dato auto auto-guida, riconoscimento vocale pratico, ricerca web efficace e una comprensione molto migliorata del genoma umano. L'apprendimento della macchina è così pervasivo oggi che probabilmente usi le dozzine di volte al giorno senza saperlo. Molti ricercatori pensano anche che sia il modo migliore per progredire verso il livello di livello umano. In questa classe, imparerai le tecniche di apprendimento delle macchine più efficaci e guadagnerai le tecniche di apprendimento delle macchine più efficaci e guadagnerai pratica implementarle e portandole a lavorare per te stesso. Ancora più importante, imparerai non solo le bacheche teoriche dell'apprendimento, ma acquisire anche il know-how pratico necessario per applicare rapidamente e con forza queste tecniche a nuovi problemi. Infine, imparerai su alcune delle migliori pratiche di Silicon Valley in innovazione in quanto riguarda l'apprendimento della macchina e l'Ai.
Questo corso offre un'ampia introduzione all'apprendimento automatico, al datamining e al riconoscimento dei modelli statistici. Gli argomenti includono: (i) apprendimento supervisionato (algoritmi parametrici / non parametrici, macchine vettoriali di supporto, kernels, reti neurali). (ii) apprendimento non supervisionato (raggruppamento, riduzione della dimensionalità, sistemi di raccomandare, apprendimento profondo). (iii) Le migliori pratiche nell'apprendimento automatico (pregiudizio / teoria della variazione, processo di innovazione nell'apprendimento della macchina e AI). Il corso disegnerà anche da numerosi casi studio e applicazioni, in modo che imparerai anche come applicare gli algoritmi di apprendimento per costruire robot intelligenti (percezione, controllo), comprensione del testo (ricerca web, anti-spam), visione del computer, informatica medica , Audio, database minerario e altre aree.
Imparerai come costruire un progetto di apprendimento automatico di successo. Se aspiri ad essere un leader tecnico in Ai, e sai come impostare la direzione per il lavoro della tua squadra, questo corso ti mostrerà come.
Gran parte di questo contenuto non è mai stato insegnato altrove, ed è tratto dal mio Esperienza Costruire e spedizione Molti prodotti di apprendimento profondi. Questo corso ha anche due "simulatori di volo" che ti permettono di praticare il processo decisionale come leader del progetto di apprendimento automatico. Ciò fornisce "Esperienza del settore" che altrimenti potresti ottenere solo dopo anni di esperienza lavorativa ML.
Contenuto
01 e 02: Introduzione, Analisi di regressione e discesa gradiente
03 : Algebra lineare - Recensione
04: Regressione lineare con più variabili
05: Ottava
06: regressione logistica
07: Regolarizzazione
08: Nevel Networks - Rappresentazione
09: Nevel Networks - Learning
10: Consigli per l'applicazione di tecniche di apprendimento della macchina
11: Machine Learning System Design
12: Supporto macchine vettoriali
13: clustering
14: Dimensionalità Riduzione
15: Anomaly Detection
16: Commisderies Systems
17: Learning Machine su larga scala
18: Esempio di applicazione - Foto OCR
19: Riepilogo del corso
Vuoi:
- Comprendere come diagnosticare errori in Un sistema di apprendimento della macchina e
- essere in grado di dare la priorità alle istruzioni più promettenti per ridurre l'errore
- Comprendere il complesso ml se tazze, come allenamenti / set di allenamento non corrispondenti e confrontando con e / o superando le prestazioni a livello umano - conoscere come applicare l'apprendimento end-to-end, l'apprendimento del trasferimento e l'apprendimento multi-task
9Apps 4.9
