Lei Feng réseau par AI Technology Review: Avec une base statistique solide, l'apprentissage de la machine devient l'un des plus moment intéressant, le développement plus rapide au rythme de la science informatique. l'apprentissage de la machine peut être appliquée à de nombreuses industries et applications, pour offrir une expérience de service plus efficace et intelligent, le plus typique comme robot de chat filtres anti-spam, systèmes publicitaires, moteurs de recherche et les systèmes de détection des fraudes, est notre la vie quotidienne offrent une gamme complète de soutien.

En bref, l'apprentissage de la machine nous permet de faire des choses que les humains ne peuvent pas trouver des solutions et créer des modèles mathématiques. analyse exploratoire des données couvertes, différents programmes de sciences des données statistiquement, les technologies de communication et de visualisation que les programmes d'apprentissage de la machine se concentrer uniquement professeur d'algorithmes d'apprentissage machine, qui est la façon dont ils fonctionnent mathématiquement, et comment pouvons-nous dans la programmation langue les utiliser. À cette fin, LearnDataScience recommandé cinq plus intéressant d'investir le temps et l'effort de la machine des cours d'apprentissage pour tout le monde, Lei Feng réseau AI Technology Review compilez il suit que.

Tout d'abord, laissez-nous des cours d'apprentissage de la machine cette année, un examen sommaire du Top 5:

• Machine Learning (Apprentissage) - Coursera

URL: https: //www.coursera.org/learn/machine-learning

• La spécialisation profonde apprentissage (étude approfondie des cours spéciaux) - Coursera

URL: https: //www.coursera.org/specializations/deep-learning

• Apprentissage machine avec Python (apprentissage de la machine en Python) - Coursera

URL: https: //www.coursera.org/learn/machine-learning-with-python

• Machine de spécialisation avancée d'apprentissage (version avancée des cours spécialisés apprentissage de la machine) - Coursera

URL: https: //www.coursera.org/specializations/aml

• Machine Learning (Apprentissage) - EDX

URL: https: //www.edx.org/course/machine-learning

Qu'est-ce qu'un cours d'apprentissage machine de haute qualité?

Après de nombreuses années passées dans l'étude et ont participé à de nombreux cours d'apprentissage automatique en ligne (Coursera, EDX, Udemy, Udacity, DataCamp, etc.), je pense que le meilleur moment de mes cours de machine-learning est le résumé.

Sous cette forme, tous les cours doivent répondre aux points suivants:

• Mettre l'accent sur l'apprentissage de la machine

• Gratuit, les langages de programmation open source, tels que Python, R ou langage Octave

• Gratuit, bibliothèque de langue open source. programmes de bibliothèque commerciale seront exclus

• La programmation a la tâche pour la ligne suivante à la pratique et la pratique

• Une explication détaillée de la façon dont ces algorithmes sont mathématiquement le fonctionnement

• Les élèves peuvent exprimer leurs besoins personnels progrès d'apprentissage flexible

• supervision de conférences attrayant et intéressant

• Obtenir notes supérieures à la moyenne et des commentaires sur les sites Web de l'industrie et des forums

Selon ces critères, nous avons rapidement partie du éliminions cours, l'objectif est de trouver une valeur de votre investissement de temps et d'efforts bien sûr.

Pour vous donner une immersion, rapide et complète compréhension de l'apprentissage de la machine autant que possible, je pense que, en plus de l'apprentissage en ligne, vous devez aussi regarder toutes sortes de livres. Deux livres suivants sur mon expérience d'apprentissage ont eu un impact significatif:

• « Introduction à l'apprentissage statistique » (Introduction à l'apprentissage statistique)

Site d'accès gratuit: http: //www-bcf.usc.edu/~gareth/ISL/

Ce livre fournit une interprétation claire, simple et des exemples pour améliorer l'intuition mathématique, vous apprendrez les techniques de base de la machine. Ce livre est plus préoccupé par les aspects théoriques de la connaissance, mais il contient de nombreux exemples d'exercices basés sur le langage R.

• "Travaux Pratiques d'apprentissage Machine avec scikit-learn et tensorflow" basé sur la machine manuelle scikit-learn et l'apprentissage tensorflow

lien d'abonnement Safari: https: //learning.oreilly.com/signup/ utm_medium = affilié & utm_source = cj & utm_campaign = payé et utm_content_cj_13339361_7888980?

Du livre précédent était complément efficace, axé sur la façon d'utiliser Python pour créer une application d'apprentissage de la machine. Combiné avec soit un cours d'étude, ce livre sera en mesure de renforcer efficacement vos compétences en programmation, et savoir comment apprendre rapidement à la technologie d'apprentissage automatique dans des projets spécifiques.

Maintenant, nous allons voir la description et l'évaluation des Top 5 des programmes ensemble:

Machine Learning (Apprentissage) - Coursera

URL: https: //www.coursera.org/learn/machine-learning

Pas exagéré de dire que les autres cours machine apprentissage de ces cours considérés comme la référence. Maître de conférences et créateur du cours est Andrew Ng (Andrew Ng) - Université de Stanford, Google cerveau co-fondateur, Coursera co-fondateur, qui formera l'équipe en tant que vice-président de Baidu AI milliers d'échelle.

Les cours sont le langage de programmation open source Octave, au lieu des affectations de langage Python habituel ou R. Ce qui pour certaines personnes peut-être un peu de l'ordinaire, et en fait, si vous êtes un débutant, Octave sera un moyen facile d'apprendre les rudiments de ML.

En général, le matériel de ce cours est très complet, Andrew Ng a également procédé à un exposé détaillé. Il expliquera la logique des algorithmes mathématiques pour vous expliquer basé sur le calcul et l'algèbre linéaire. Ceci est un cours d'étude indépendante, mais si nous pouvons avoir une connaissance préalable de l'algèbre linéaire, vous apprendrez dans ce cours sera d'une grande aide.

fournisseur de cours: Andrew Ng Stanford (Andrew Ng)

coût: certificat d'audit sans frais 79 $

Plan du cours:

• régression linéaire univariée

• Algèbre linéaire examen

• Basé sur une régression linéaire de variables multiples

• Octave / Matlab Tutorial

• La régression logistique

• régularisation

• Les réseaux de neurones: représente

• Les réseaux de neurones: étude

• Recommandations pour l'utilisation de l'apprentissage de la machine

• systèmes d'apprentissage de la machine de conception

• SVM

• Goutte-wai

• Détection des anomalies

• système recommandé

• l'apprentissage de la machine à grande échelle

• Exemple d'application: Photo OCR

Le cours enseignera terminé la onzième semaine. Si vous insistez à la fin du cours, à seulement quatre mois, sera en mesure de maîtriser les bases de l'apprentissage de la machine.

Après cela, vous pouvez facilement sélectionner le sujet suivant des cours professionnels, tels que la profondeur de l'apprentissage, la machine d'ingénierie d'apprentissage ou de tout contenu que vous pouvez susciter l'intérêt pour l'apprentissage.

Il ne fait aucun doute que c'est un cours départ idéal débutant.

L profonde gagnant de spécialisation (étude approfondie des cours spéciaux) - Coursera

URL: https: //www.coursera.org/specializations/deep-learning

Andrew Ng est également un haut-parleur, la différence est que cette porte des cours spéciaux sont des cours d'ordre supérieur pour ceux qui sont intéressés par les réseaux de neurones d'apprentissage et l'apprentissage en profondeur, et les utiliser pour résoudre les problèmes humains.

Ce cours implique des opérations de réseau de neurones et des conférences utiliseront le langage Python et bibliothèque tensorflow. Inutile de dire que cela est Andrew Ng a terminé l'apprentissage « apprentissage machine » meilleure continuation du cours parce que le cours est d'expliquer le style que vous êtes habitué, mais maintenant vous devez adapter à l'utilisation de Python pour créer un projet d'apprentissage automatique.

fournisseur de cours: Andrew Ng, deeplearning.ai

coût: certificat d'audit sans frais 49 $ / mois

Plan du cours:

1. Les réseaux de neurones et l'apprentissage en profondeur

• apprentissage en profondeur Présentation

• Principes de base du réseau de neurones

• Faible profondeur réseau de neurones

• Profondeur réseau de neurones

2. Amélioration de réseau de neurones: réglage ultra-paramètre, la régularisation et l'optimisation

• étude approfondie de la pratique

• algorithme d'optimisation

• Réglage des paramètres Ultra, la normalisation et cadre de programmation par lots

3. Projet d'apprentissage machine construit

• les stratégies d'apprentissage de la machine (1)

• les stratégies d'apprentissage de la machine (2)

4. convolution réseau de neurones

• infrastructure de réseau neuronal convolutif

• Modèle Profondeur de convolution: Études de cas

• Détection d'objets

• Applications spéciales: reconnaissance faciale et le transfert de style nerveux

5. Modèle de la série

• Réseaux de neurones récurrents

• traitement du langage naturel et Word intégré

• Modèle et de série mécanisme d'attention

Afin de comprendre le cours de l'algorithme, vous devez être familier avec les connaissances générales de l'algèbre linéaire et l'apprentissage de la machine.

Apprentissage machine avec Python (apprentissage de la machine en Python) - Coursera

URL: https: //www.coursera.org/learn/machine-learning-with-python

Est-ce un cours pour les débutants, ceux qui se consacrent à enseigner les algorithmes d'apprentissage machine de base. professeur parfait, des diapositives et des descriptions combinaison permet d'avoir le sentiment le plus intuitif pour l'arithmétique de base.

Python utilisé dans ce cours, les formules mathématiques derrière l'algorithme nécessite pas si élevé. Chaque module d'apprentissage, vous aurez l'occasion de profiter des concepts de navigateur portable Jupyter vient d'apprendre à la pratique. Chaque ordinateur portable renforcera efficacement les connaissances que vous avant, tout en fournissant une description détaillée de l'algorithme dans la pratique sur des données réelles.

fournisseur de cours: IBM, cognitive classe

Prix: certificat d'audit sans frais 39 $ / mois

Plan du cours:

• Introduction à l'apprentissage machine

• retour

• classification

• Clustering

• système recommandé

• Projet de cours

L'avantage de ce cours est de donner à chaque algorithme pour fournir des conseils pratiques - à chaque fois que l'introduction d'un nouvel algorithme, le conférencier expliquera comment cela fonctionne, les avantages et les inconvénients et l'utilisation de scénarios pour vous. Ceux-ci sont souvent négligés par les autres programmes, et cette information est très important pour les débutants, car il les aide à comprendre l'arrière-plan derrière l'algorithme.

Machine de spécialisation avancée d'apprentissage (version avancée des cours spécialisés apprentissage de la machine) - Coursera

URL: https: //www.coursera.org/specializations/aml

Un autre cours d'ordre de haut, si vous êtes intéressé à en apprendre davantage la technologie d'apprentissage automatique, ce qui est un cours en ligne critiques.

L'enseignement au cours d'un très haut niveau: fascinant et concis. Lorsque le bord avant du cours, vous devez avoir une base mathématique plus solide que d'autres cours. Si vous avez déjà lu le journal avant d'autres cours pour débutants, et a l'algèbre linéaire et la base de connaissances de calcul, alors c'est un bon choix pour vous d'ajouter des connaissances professionnelles de l'apprentissage de la machine.

La plupart du contenu du cours couvre essentiel à la pratique de nombreux projets de machine d'apprentissage.

fournisseur de cours: État russe École supérieure d'économie

coût: certificat d'audit sans frais 49 $ / mois

Plan du cours:

1. Introduction à l'apprentissage en profondeur

• Introduction à l'optimisation

• Introduction aux réseaux de neurones

• étude approfondie pour les images

• représentation de l'apprentissage non supervisé

• Séquence apprentissage en profondeur

• Projet de cours

2. Comment gagner la course dans la science des données: apprentissage du haut Kagglers

• Introduction et examen

• la transformation d'entité de génération de modèle

• Description du projet Cours

• Analyse exploratoire des données

• vérification

• des fuites de données

• Optimisation des mesures

• Fonctions avancées du projet 1

• l'optimisation des paramètres Ultra

• Fonctions avancées du projet 2

• apprentissage intégré

• expérience de jeu

• projet final

3. Apprentissage bayésien

• méthodes bayésienne et amorces ont été conjugués introduction

• Algorithme de maximisation Expectation

• inférence variationnelle et modèle implicite Dirichlet Allocation (LDA)

• Markov Chain Monte-Carlo

• codeur de variation automatique

• processus gaussiennes et optimisation bayésienne

• Projet de cours

4. La pratique d'apprentissage de renforcement

• Description: soins I?

• Renforcer l'apprentissage de base: programmation dynamique

• Aucune approche modèle

• Basé méthode d'approximation

• Sur la base des approches politiques

• explorer

5. Apprentissage en profondeur Computer Vision

• Traitement d'image et vision par ordinateur Started

• Circonvolution fonction visuelle identifiable

• Détection d'objets

• la reconnaissance de l'action et le suivi d'objets

• La segmentation d'images de synthèse

6. Traitement du langage naturel

• Avant-propos, classification texte

• la modélisation du langage et des marqueurs de séquence

• modèle d'espace vectoriel sémantique

• Séquence à la séquence des tâches

• Système de dialogue

7. L'utilisation de méthodes d'apprentissage de la machine pour faire face aux défis du Grand collisionneur de hadrons

• données pour obtenir scientifique de physique des particules

• reconnaissance de particules

• Rechercher une nouvelle physique de la désintégration rare

• En utilisant l'apprentissage de la machine pour trouver des conseils pour la matière noire dans la nouvelle expérience du CERN

• Optimisation du détecteur

Cours complet dure environ 8-10 mois de temps, ce moyen de aussi que si vous commencez à apprendre à partir d'aujourd'hui, à moins d'un an, vous apprendrez beaucoup de connaissances de l'apprentissage de la machine, et peut gérer des applications plus haut programme.

De plus, vous allez créer dans ce quelques mois le temps de laisser l'ordinateur savoir comment apprendre à lire sur leurs propres projets d'accès et jeux. futurs employeurs, ceux qui figurent dans le projet Github sera votre CV dans un anneau agréable.

Machine Learning (Apprentissage) - EDX

URL: https: //www.edx.org/course/machine-learning

Contrairement à d'autres cours, c'est la capacité mathématique d'un ordre élevé la plupart des cours exigeants. Cela signifie que vous devez avoir une forte algèbre linéaire, le calcul, la probabilité et la connaissance des programmes scientifiques. Le cours organisera des missions de programmation intéressantes basées sur Python ou Octave, mais pas un professeur spécifique de la langue.

La plus grande caractéristique de ce cours est la probabilité de méthodes d'apprentissage de la machine étaient couverts. Si vous lisez les manuels (tels que: l'apprentissage machine « Apprentissage perspective probabilistes » :. Perspectives de probabilité) est très intéressé, alors ce cours serait un complément idéal.

fournisseur de cours: Université de Columbia

coût: certificat d'audit gratuit coûte 300 $

Plan du cours:

• estimation du maximum de vraisemblance, la régression linéaire, moindres carrés

• la variance de l'écart de régression Ridge, la règle de Bayes, le maximum d'une inférence a posteriori

• Le plus proche classificateur bayésien de classification voisin, classificateur linéaire, Perceptron

• La régression logistique, l'approximation de Laplace, méthode noyau, processus gaussiens

• La plus grande marge, les machines à vecteurs (SVM), une vue arborescente, les forêts aléatoires, améliorer

• Clustering, K-means, algorithme EM, les données manquantes

• mélange gaussien, la décomposition de la matrice

• NMF, modèle de facteur latent, PCA et le changement

• modèles de Markov, modèle de Markov cachés

• modèle d'espace d'état continu, l'analyse de corrélation

• sélection modèle, l'étape suivante

Un grand nombre des sujets des cours mentionnés sont inclus dans d'autres cours pour débutants à, mais n'a pas joué en bas des éléments mathématiques. Si vous avez appris les connaissances techniques de base, mais il y a intérêt pour une étude approfondie des mathématiques, et que vous voulez engager dans une sorte d'algorithme pour calculer le travail de programmation réelle, alors ce cours le plus approprié.

via https://medium.com/@LearnDataSci/top-5-machine-learning-courses-for-2019-8a259572686e

Lei Feng réseau AI Technology Review