Tungkol sa kursong ito: Ang pag-aaral ng makina ay ang agham ng pagkuha ng mga computer upang kumilos nang hindi malinaw na na-program. Sa nakalipas na dekada, ang pag-aaral ng makina ay nagbigay sa amin ng mga self-driving cars, praktikal na pagkilala sa pagsasalita, epektibong paghahanap sa web, at isang napakahusay na pag-unawa sa genome ng tao. Ang pag-aaral ng makina ay napakalawak ngayon na malamang na gamitin mo ito dose-dosenang beses sa isang araw nang hindi nalalaman ito. Maraming mga mananaliksik din sa tingin ito ay ang pinakamahusay na paraan upang gumawa ng pag-unlad patungo sa antas ng tao Ai. Sa klase na ito, matututunan mo ang tungkol sa mga pinaka-epektibong pamamaraan sa pag-aaral ng makina, at makakuha ng pagsasanay sa pagpapatupad ng mga ito at pagkuha ng mga ito upang gumana para sa iyong sarili. Higit sa lahat, matututunan mo ang tungkol sa hindi lamang ang teoretikal na mga underpinnings ng pag-aaral, kundi pati na rin makakuha ng praktikal na kaalaman na kailangan upang mabilis at mahusay na magamit ang mga pamamaraan na ito sa mga bagong problema. Sa wakas, matututunan mo ang ilan sa mga pinakamahusay na kasanayan sa Silicon Valley sa pagbabago habang ito ay tumutukoy sa pag-aaral ng makina at Ai.
Ang kursong ito ay nagbibigay ng isang malawak na pagpapakilala sa pag-aaral ng machine, datamining, at statistical pattern recognition. Kabilang sa mga paksa ang: (i) pinangangasiwaang pag-aaral (parametric / non-parametric algorithm, sumusuporta sa mga vector machine, kernels, neural network). (II) Unsupervised Learning (Clustering, Dimensionality Reduction, Recommender Systems, Deep Learning). (iii) Pinakamahusay na mga kasanayan sa pag-aaral ng makina (bias / pagkakaiba teorya; proseso ng pagbabago sa pag-aaral ng machine at AI). Ang kurso ay magkakaroon din ng maraming mga pag-aaral at mga application ng kaso, upang matutunan mo rin kung paano mag-aplay ng mga algorithm sa pag-aaral sa pagbuo ng mga smart robot (pang-unawa, kontrol), pag-unawa sa teksto (paghahanap sa web, anti-spam), computer vision, medikal na informatics , audio, pagmimina ng database, at iba pang mga lugar.
Matututunan mo kung paano bumuo ng isang matagumpay na proyekto sa pag-aaral ng makina. Kung nais mong maging isang teknikal na lider sa AI, at alam kung paano magtakda ng direksyon para sa trabaho ng iyong koponan, ang kursong ito ay magpapakita sa iyo kung paano.
Marami sa nilalaman na ito ay hindi kailanman itinuro sa ibang lugar, at inilabas mula sa aking Makaranas ng gusali at pagpapadala ng maraming malalim na mga produkto sa pag-aaral. Ang kurso na ito ay mayroon ding dalawang "flight simulators" na nagpapahintulot sa iyo na magsagawa ng paggawa ng desisyon bilang isang lider ng proyekto sa pag-aaral ng makina. Nagbibigay ito ng "karanasan sa industriya" na maaari mong makuha lamang pagkatapos ng mga taon ng karanasan sa trabaho ng ML.
01 at 02: Panimula, Pagsusuri ng Pagbabalik at Gradient Descent
03 : Linear Algebra - Review
04: Linear regression na may maramihang mga variable
05: Octave
06: logistic regression
07: regularization
08: neural networks - representasyon
09: neural network - pag-aaral
10: payo para sa paglalapat ng mga diskarte sa pag-aaral ng machine
11: Machine Learning System Design
12: Suporta sa mga vector machine
13: clustering
14: dimensionality reduction
15: anomalya detection
16: Mga sistema ng recommender
17: Malaking Scale Machine Learning
18: Halimbawa ng Application - Photo OCR
19: Buod ng Course
- Unawain kung paano mag-diagnose ng mga error sa isang sistema ng pag-aaral ng makina, at
- ma-prioritize ang pinaka-promising direksyon para sa pagbawas ng error na
- Unawain ang kumplikadong ML SE ttings, tulad ng mismatched training / test set, at paghahambing sa at / o paglampas sa pagganap ng tao sa antas - alam kung paano mag-aplay ng pag-aaral ng end-to-end, paglipat ng pag-aaral, at pag-aaral ng multi-gawain
9Apps 4.9
