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:

Практическое машинное обучение.

Лучше всего подходит для статистических концепций:

. введение в статистическое обучение.