O tym kursie: Uczenie maszynowe jest nauka o uzyskaniu komputerów do działania bez wyraźnego zaprogramowania. W ciągu ostatniej dekady uczenie się maszynowego dało nam samodzielne samochody, praktyczne rozpoznawanie mowy, efektywne wyszukiwanie stron internetowych i znacznie lepsze zrozumienie ludzkiego genomu. Uczenie maszynowe jest dziś tak wszechobecne, że prawdopodobnie użyjesz go dziesiątki razy dziennie, nie wiedząc. Wielu badaczy również uważa, że jest najlepszym sposobem na postęp w kierunku poziomu ludzkiego poziomu AI. W tej klasie dowiesz się o najbardziej efektywnych technikach uczenia maszyn, a praktyka zyskają ich wdrażanie i zdobycie ich do pracy dla siebie. Co ważniejsze, dowiesz się o nie tylko teoretycznych podstawach uczenia się, ale także zdobywać praktyczne know-howne, aby szybko i potężnie stosować te techniki do nowych problemów. Wreszcie dowiesz się o najlepszych praktykach Silicon Valley w innowacjach, ponieważ odnosi się do uczenia się maszynowego i AI.
Ten kurs zapewnia szerokie wprowadzenie do uczenia się maszynowego, dataminowania i rozpoznawania wzoru statystycznego. Tematy obejmują: (i) nadzorowane uczenie się (algorytmy parametryczne / nie-parametryczne, maszyny wektorowe, jądro, sieci neuronowe). (ii) Nieodporne uczenie się (klastrowanie, redukcja wymiarów, systemy zaleceń, głębokie uczenie się). (iii) najlepsze praktyki uczenia się maszynowego (teoria stronnice / wariancji; proces innowacji w uczeniu się maszynowym i AI). Kurs narysuje również z wielu studiów i aplikacji, dzięki czemu dowiesz się również, jak stosować algorytmy uczenia się do budowania inteligentnych robotów (percepcja, kontrola), zrozumienie tekstu (wyszukiwanie w sieci, antyspam), wizja komputerowa, informatyka medyczna , Audio, Górnictwo bazy danych i inne obszary. Największa dowiesz się, jak zbudować udany projekt uczenia się maszynowego. Jeśli aspirujesz się jako lidera technicznego w AI i wiesz, jak ustawić kierunek pracy zespołu, ten kurs pokaże, jak.
Wiele tej zawartości nigdy nie było nauczane gdzie indziej i jest rysowane z mojego Doświadcz budynku i wysyłki wiele głębokich produktów uczenia się. Ten kurs ma również dwa "symulatory lotów", które pozwalają ćwiczyć podejmowanie decyzji jako lider projektu uczenia maszynowego. Zapewnia to "doświadczenie w branży", że w przeciwnym razie możesz dostać dopiero po latach ML Doświadczenie zawodowe.
Spis treści
01 i 02: Wprowadzenie, analiza regresji i Dojazd Gradient
03 : Linear Algebra - Recenzja
04: Regresja liniowa z wieloma zmiennymi
05: Octave
06: Regresja logistyczna
07: Regularyzacja
08: Neural Sieci - Reprezentacja
09: Neural Networks - Naukę
10: Porady dotyczące stosowania technik uczenia maszyn
11: Projektowanie systemu uczenia maszynowego
12: Maszyny typu wsparcia
14: Redukcja wymiarowości
15: Wykrywanie anomalii
17: Maszyna na dużą skalę
18: Przykład zastosowania - Photo OCR
19: Podsumowanie kursu
Będziesz:
- rozumiesz, jak diagnozować błędy w System uczenia maszynowego, a także - móc priorytetować najbardziej obiecujące wskazówki dotyczące zmniejszenia błędu
- rozumiem kompleks ML SE ttuście, takie jak niedopasowane zestawy treningowe / testowe oraz w porównaniu do i / lub przewyższając wydajność na poziomie człowieka
- wiem, jak zastosować edukację końcową, uczenie się, przeniesienie i nauczanie wielozadaniowe
9Apps 4.9
