Этот курс, безусловно, лучший по машинному обучению, предоставленный Эндрю Нг: одним из самых влиятельных людей в области машинного обучения и искусственного интеллекта, соучредителем Coursera и основателем Deeplearning.ai.
Он один из лучших в легком объяснении сложных понятий без какой-либо сложной математики, только простые математические понятия.
Этот курс является частью специализации «Машинное обучение». Он состоит из 3 курсов, и это первая неделя первого курса.
- Неделя 1: Введение в машинное обучение:
На этой неделе Эндрю начнет с обзора истории машинного обучения и ее применения в каждой отрасли с огромным распространением.
- Контролируемое и неконтролируемое машинное обучение:
. Здесь Эндрю начинает сравнивать типы машинного обучения, их значение и применение каждого из них.
. Обучение с учителем — это когда у вас есть маркированные выходные данные в наборе данных, и вы собираетесь соответствующим образом построить модель, тогда как машинное обучение без учителя — это когда у вас есть только входные данные, и ваша задача — найти похожие шаблоны в этих входных данных и построить модель.
. В конце концов, это необязательная лабораторная работа, которая знакомит с блокнотом Python и Jupiter, где вы собираетесь практиковать свой код.
-Модель регрессии и градиентный спуск:
- в этом разделе представлен один из наиболее часто используемых алгоритмов построения моделей, линейная регрессия и регуляризация методом градиентного спуска.
- А вот и жеребец, понять, как реализована эта модель, непросто, но Эндрю объясняет это по-другому, чтобы вы могли понять это эффективно.
- Он рассказывает, что такое линейная регрессия, что такое линейная модель и ее формула, что такое функция стоимости, ее формула и как ее реализовать в Python с помощью кода.
- в конце он объясняет, как оптимизировать нашу модель для достижения наилучших результатов с помощью градиентного спуска и как реализовать градиентный спуск с помощью кода Python.
Этот курс доступен на Coursera, и вы можете пройти курс бесплатно.
Бонус:
Лучшая книга как для Python, так и для машинного обучения:
Лучше всего подходит для статистических концепций: