6 Handige machineleerlessen en -cursussen om de basisbenodigdheden te begrijpen

Machinaal leren is de toekomst van automatisering. Miljoenen taken die dagelijks door mensen worden uitgevoerd, zullen uiteindelijk worden vervangen door getrainde neurale netwerken. Zelfs nu, vormen algoritmen voor het leren van machines je leven.

De banenmarkt verschuift om tegemoet te komen aan deze nieuwe technologie, en diegenen die in staat zijn om hun eigen netwerken te programmeren (of te integreren met bestaande) zijn erg in trek.

Er is nog nooit een beter moment geweest om in machine learning te duiken. Hier zijn zes nuttige zelfstudies en bronnen om u te helpen meer te leren over machine learning.

1. De codeertrein

Iedereen die bekend is met het YouTube-kanaal van Daniel Shiffman weet wat zijn uitstekende tutorials over zowel processing als p5.js. zijn. Zijn leuke stijl van realtime lesgeven heeft talloze mensen geholpen de basisprincipes van coderen te leren.

Naast zijn vele coderende uitdagingsvideo's over afzonderlijke onderwerpen, heeft Shiffman ook een ongelooflijk grondige afspeellijst voor machinaal leren.

Deze video's zijn vooral handig voor diegenen die Java of JavaScript als primaire taal willen leren. Gelukkig zijn de concepten die in de reeks worden behandeld, van toepassing op elke taal van uw keuze.

The Nature of Code, het geliefde boek van Shiffman, wijdde zijn laatste hoofdstuk aan neurale netwerken. Het staat alleen als een uitstekende kennismaking met het veld. Het werk is zowel op The Coding Train YouTube-kanaal als op zijn persoonlijke GitHub-pagina voortgezet.

De grote kracht van het leren op deze manier is Daniel Shiffman zelf. Hij is een natuurlijke leraar en geeft duidelijke voorbeelden van hoe code interageert met algoritmes voor machine learning.

2. Machine Learning Crash Course

Google is een grote speler in machine learning. Hun open source-platform van Tensorflow is ontworpen om het onderwerp voor iedereen in verschillende programmeertalen te openen.

Google heeft ook zijn eigen gratis Machine Learning Crash-cursus die is ontworpen om zowel de basisprincipes van machine learning te leren als Tensorflow via API's te gebruiken.

Elk hoofdstuk van de cursus heeft videocolleges samen met de volledige tekst om de inhoud te ondersteunen. Zoals verwacht, is het een ongelooflijk gedetailleerd curriculum. De cursus biedt ook interactief “Uitdaging programmeren” pagina's waar de code dynamisch wordt weergegeven in de browser, waar deze kan worden uitgevoerd en gewijzigd, voordat coderingsuitdagingen worden aangeboden om u te helpen de module te begrijpen.

Het curriculum is ook voorzien “Speeltuin Oefeningen” en kansen om “Controleer uw begrip”, bestaande uit interactieve visualisaties van machineleerprincipes en vragen op basis van het huidige onderwerp.

Het is niet verwonderlijk dat Google een leider op dit gebied is, en voor een gratis cursus, deze heeft veel terrein!

3. Siraj Raval

Hoewel er veel geweldige YouTube-docenten zijn, krijgen weinigen de balans van een uitstekende presentatie, duidelijke uitleg van onderwerpen en vooral memes, net zo goed als Siraj Raval..

Zijn YouTube-kanaal concentreert zich voornamelijk op de Python-programmeertaal, samen met vele principes die essentieel zijn voor moderne datawetenschap en machine learning. Siraj heeft een afspeellijst met eenvoudig te volgen video's over neurale netwerken en machine learning. De variatie tussen snelle video's met één onderwerp en het projectwerk met langere livestream-stijl omvat zowel de basisprincipes als de toepassing ervan op gegevens.

Het kanaal van Siraj is vooral handig voor diegenen die al Python leren, en als je de taal wilt leren, zijn deze eenvoudige Python-voorbeelden 10 Fundamentele Python-voorbeelden die je snel zullen helpen snel te leren 10 Fundamentele Python-voorbeelden die je snel leren Dit artikel van de basispython voorbeelden zijn voor degenen die al enige programmeerervaring hebben en gewoon zo snel mogelijk naar Python willen overstappen. Meer lezen helpt u bij het oppakken van de fundamenten.

4. Neurale netwerken en diep leren

Terwijl video-tutorials een geweldige manier om te leren zijn, sommige mensen leren liever van een boek. Neural Networks en Deep Learning van Michael Nielsen kwalificeren zich niet helemaal als een gedrukte boek omdat het ingebedde voorbeelden gebruikt die voor de browser zijn ontworpen. Het is echter de duidelijkste schriftelijke uitleg van niet alleen de geschiedenis van machine learning, maar ook hoe de wiskunde achter neurale netwerken te leren, die je zult vinden.

Het boek volgt een tekenherkenningsproject van begin tot eind. Dankzij het tempo kan de lezer begrijpen hoe en waarom het netwerk leert, samen met de beslissingen en uitdagingen die zij zullen tegenkomen bij het samenstellen van een functionerend neuraal netwerk..

Nogmaals, de taal van keuze is Python, hoewel de grondbeginselen hier zo grondig worden behandeld dat het aanbevolen is voor iedereen die geïnteresseerd is in machine learning.

5. Udacity Nanodegrees voor machinaal leren

Er zijn verschillende diepgangen “Nanodegrees” beschikbaar op Udacity voor machine learning. De sterk aanbevolen leermachine-engine voor het leren van machines is een diepgaande cursus die de student door middel van projectwerk door middel van machinaal leren beginselen helpt.

Elk project is ontworpen om iets na te bootsen dat een ingenieur in zijn werk tegenkomt. Studenten die deelnamen aan de cursus krijgen toegang tot Amazon Web Services (AWS) om hun projecten in te zetten.

De cursus kost $ 899 zal volgens veel mensen niet goedkoop zijn, maar het voordeel van een relatie met je docenten en de tools die de cursus biedt, is van onschatbare waarde voor veel mensen..

6. Maak een gemengd curriculum

Hoewel alles op deze lijst tot nu toe perfect is voor geavanceerd leren, zullen veel mensen zelfs de fundamenten moeilijk vinden. In dit geval kan het creëren van een gemengd curriculum van uw eigen manier een prima manier zijn om alle hiaten in te vullen en te zorgen voor een robuuste kennisbasis voorwaarts.

Gebruiker opnieuw toewijzen pk7677 antwoordde op een bericht op / r / MachineLearning met wat wijs advies:

De volledige post gaat verder met het aanbevelen om je eigen persoonlijke projecten te maken. Je moet ook nieuwe en ontwikkelende gebieden in het veld in de gaten houden.

Diep leren voor machinaal leren

Welke methode u ook kiest voor machinaal leren, wees voorbereid op een lange reis. Het onderwerp is van nature ongelooflijk dicht.

De populariteit van machine learning is omhooggeschoten en het komt door verbeteringen in de verwerkingskracht en informatica. Er zijn geen gemakkelijke routes in de theorie erachter. Dit is het moment om grip te krijgen op toekomstbestendige programmeertalen.

Als u een beginner bent, kies dan een voor beginners geschikte programmeertaal 6 Eenvoudigste programmeertalen om te leren voor beginners 6 Eenvoudigste programmeertalen om te leren voor beginners Leren programmeren gaat net zo goed over het vinden van de juiste taal als over het opbouwproces. Hier zijn de top zes van gemakkelijkste programmeertalen voor beginners. Lees meer voordat je gaat duiken in machine learning. En vergeet niet om onze vergelijking van diep leren, machine learning en AI Deep Learning vs. Machine Learning versus AI te herzien: hoe gaan ze samen? Deep Learning vs. Machine Learning vs. AI: Hoe gaan ze samen? Probeer je het verschil tussen kunstmatige intelligentie, machine learning en deep learning te achterhalen? Dit is wat ze allemaal betekenen. Lees verder . Blijf leren en veel succes!

Meer informatie over: Machine Learning, Online Courses.