Sobre este curso: A aprendizagem de máquinas é a ciência de obter computadores para agir sem ser explicitamente programado. Na última década, a aprendizagem de máquinas nos deu carros autônomos, reconhecimento prático de fala, pesquisa da web eficaz e uma compreensão muito melhorada do genoma humano. A aprendizagem da máquina é tão difundida hoje que você provavelmente usa dezenas de vezes por dia sem saber. Muitos pesquisadores também acham que é a melhor maneira de progredir em direção ao nível humano. Nesta aula, você aprenderá sobre as técnicas de aprendizado de máquina mais eficazes e obterá prática implementá-las e fazer com que funcionem para si mesmo. Mais importante, você aprenderá sobre não apenas os subpinnings teóricos de aprendizagem, mas também obterá o conhecimento prático necessário para aplicar rapidamente essas técnicas a novos problemas. Finalmente, você aprenderá sobre algumas das melhores práticas de Silicon Valley em inovação, pois ele pertence à máquina de aprendizagem e AI.
Este curso fornece uma ampla introdução ao aprendizado de máquinas, dataminagem e reconhecimento de padrões estatísticos. Os tópicos incluem: (i) aprendizado supervisionado (algoritmos paramétricos / não paramétricos, máquinas vetoriais de suporte, kernels, redes neurais). (ii) Aprendizagem não supervisionada (cluster, redução de dimensionalidade, sistemas de recomendação, aprendizagem profunda). (iii) melhores práticas de aprendizado de máquina (teoria de viés / variância; processo de inovação em aprendizagem de máquina e AI). O curso também desenhará de numerosos estudos e aplicativos de caso, para que você também aprenda a aplicar algoritmos de aprendizagem para construir robôs inteligentes (percepção, controle), compreensão de texto (pesquisa na web, anti-spam), visão de computador, informática médica áudio, mineração de banco de dados e outras áreas.
Você aprenderá como construir um projeto de aprendizado de máquina de sucesso. Se você aspirar a ser um líder técnico na AI, e saber como definir a direção para o trabalho de sua equipe, este curso mostrará como.
Muito deste conteúdo nunca foi ensinado em outro lugar, e é desenhado do meu Experimente a construção e envio de muitos produtos de aprendizagem profundos. Este curso também tem dois "simuladores de vôo" que permitem praticar a tomada de decisões como líder de projeto de aprendizagem de máquina. Isso proporciona "experiência da indústria" que você pode obter somente após anos de experiência de trabalho ml.
01 e 02: Introdução, Análise de regressão e descida de gradiente
03 : Álgebra linear - Review
04: Regressão linear com várias variáveis
05: Octavo
06: Regressão logística
07: Regularização
08: Redes Neurais - Representação
09: Redes neurais - Aprendizagem
10: Conselho para aplicar técnicas de aprendizagem de máquina
11: Projeto de sistema de aprendizagem de máquina
12: Máquinas do vetor de suporte
13: agrupamento
14: Redução de dimensionalidade
15: Detecção de anomalia
16: sistemas de recomendação
17: Aprendizagem de máquina de grande escala
18: Exemplo de aplicação - Photo OCR
19: Resumo do curso
Você vai:
- Entenda como diagnosticar erros em Um sistema de aprendizagem de máquina, e
- ser capaz de priorizar as instruções mais promissoras para reduzir o erro
- Compreender o complexo ML SE tttings, tais como conjuntos de treinamento / teste incompatíveis, e comparando e / ou superando o desempenho do nível humano
- sabe como aplicar aprendizado de ponta a ponta, transferência de aprendizado e aprendizagem multi-tarefa
9Apps 4.9
