Về khóa học này: Máy học máy là khoa học để có được máy tính hành động mà không được lập trình rõ ràng. Trong thập kỷ qua, học máy đã cho chúng ta những chiếc xe tự lái, nhận dạng giọng nói thực tế, tìm kiếm trên web hiệu quả và một sự hiểu biết rất nhiều về bộ gen của con người. Học máy rất phổ biến ngày hôm nay mà bạn có thể sử dụng nó hàng chục lần một ngày mà không biết. Nhiều nhà nghiên cứu cũng nghĩ rằng đó là cách tốt nhất để tiến bộ đối với AI cấp người. Trong lớp học này, bạn sẽ tìm hiểu về các kỹ thuật học máy hiệu quả nhất và đạt được thực hành thực hiện chúng và khiến họ tự làm việc. Quan trọng hơn, bạn sẽ tìm hiểu về không chỉ những nền tảng về lý thuyết học tập, mà còn có được những bí quyết thực tế cần thiết để nhanh chóng và áp dụng mạnh mẽ các kỹ thuật này cho các vấn đề mới. Cuối cùng, bạn sẽ tìm hiểu về một số thực tiễn tốt nhất của Thung lũng Silicon trong sự đổi mới vì nó liên quan đến việc học máy và AI.
Khóa học này cung cấp phần giới thiệu rộng về học tập máy, dữ liệu và nhận dạng mẫu thống kê. Các chủ đề bao gồm: (i) Học tập giám sát (Thuật toán tham số / không tham số, hỗ trợ máy vectơ, hạt nhân, mạng thần kinh). (ii) Học tập không giám sát (phân cụm, giảm kích thước, hệ thống khuyến nghị, học sâu). (iii) Thực tiễn tốt nhất trong học máy (Lý thuyết sai lệch / phương sai; quá trình đổi mới trong học máy và AI). Khóa học cũng sẽ rút ra từ nhiều nghiên cứu và ứng dụng trường hợp, để bạn cũng sẽ học cách áp dụng thuật toán học tập để xây dựng các robot thông minh (nhận thức, kiểm soát), hiểu văn bản (tìm kiếm web, chống thư rác), Tầm nhìn máy tính, Tin học y tế , âm thanh, khai thác cơ sở dữ liệu và các khu vực khác.
Bạn sẽ học cách xây dựng một dự án học máy thành công. Nếu bạn khao khát trở thành một nhà lãnh đạo kỹ thuật trong AI và biết cách đặt hướng cho công việc của nhóm, khóa học này sẽ chỉ cho bạn cách.
Phần lớn nội dung này chưa bao giờ được dạy ở nơi khác, và được rút ra từ tôi Kinh nghiệm xây dựng và vận chuyển nhiều sản phẩm học tập sâu. Khóa học này cũng có hai "mô phỏng chuyến bay" cho phép bạn thực hành đưa ra quyết định như một nhà lãnh đạo dự án học máy. Điều này cung cấp "kinh nghiệm trong ngành" mà bạn có thể chỉ có thể chỉ sau nhiều năm kinh nghiệm làm việc ML.
Nội dung
01 và 02: Giới thiệu, phân tích hồi quy và giảm độ dốc
03 : Đại số tuyến tính - xem xét
04: hồi quy tuyến tính với nhiều biến
05: Octave
06: hồi quy logistic
07: Chính quy hóa
08: Mạng lưới thần kinh - Đại diện
09: Mạng thần kinh - Học
10: Lời khuyên về việc áp dụng kỹ thuật học máy
11: Thiết kế hệ thống học máy
12: Hỗ trợ máy vectơ
13: Phân cụm
14: Giảm kích thước
15: Phát hiện bất thường
16: Hệ thống giới thiệu
17: Học máy quy mô lớn
18: Ví dụ về ứng dụng - Ảnh OCR
19: Tóm tắt khóa học
Bạn sẽ:
- Hiểu cách chẩn đoán lỗi trong một hệ thống học máy và
- có thể ưu tiên các hướng hứa hẹn nhất để giảm lỗi
- hiểu ML SE phức tạp ttings, chẳng hạn như các bộ đào tạo / kiểm tra không khớp và so sánh với và / hoặc vượt qua hiệu suất cấp người
- Biết cách áp dụng học tập cuối cùng, học tập và học nhiều tác vụ
9Apps 4.9
