Learn Machine Learning & AI

Prabartan Information Technology

Par šo lietotni

“Apgūstiet mašīnmācīšanos un mākslīgo intelektu” ir strukturēts kurss, kas īsās nodarbībās, kuras varat lasīt savā tālrunī, aizvedīs jūs no tēmas “kas ir mašīnmācīšanās”, līdz mūsdienu mākslīgā intelekta algoritmu izpratnei.

Iepriekšēja pieredze ar mākslīgo intelektu nav nepieciešama. Ja varat sekot līdzi pamata algebrai un nedaudz Python, varat apmeklēt šo kursu.

KO JŪS APGŪSIET

Mašīnmācīšanās pamati
Kas ir mašīnmācīšanās, kā tā atšķiras no tradicionālās programmēšanas, mašīnmācīšanās darbplūsma, apmācības un testēšanas dati, pārmērīga pielāgošana, nepietiekama pielāgošana, neobjektivitāte un dispersija, kā arī modeļu novērtēšana.

Uzraudzīta mācīšanās
Lineārā regresija, loģistiskā regresija, lēmumu koki, nejaušie meži, atbalsta vektoru mašīnas, k tuvākie kaimiņi un naivās Bajesa metodes, katrai no tām ir intuīcija un kur tā faktiski tiek izmantota.

Neuzraudzīta mācīšanās
K nozīmē klasterizāciju, hierarhisku klasterizāciju, dimensiju samazināšanu, galveno komponentu analīzi un anomāliju noteikšanu.

Dziļā mācīšanās un neironu tīkli
Perceptroni, aktivācijas funkcijas, atpakaļizplatīšana, konvolucionālie neironu tīkli attēliem, rekurenti tīkli un LSTM sekvencēm, kā arī ievads transformatoros.

Pastiprināšanas mācīšanās
Aģenti, vides, atlīdzības, Q mācīšanās un uz politiku balstītas metodes, kas izskaidrotas bez smagas matemātikas.

Dabiskās valodas apstrāde
Tokenizācija, iegulšana, noskaņojuma analīze un tas, kā lieli valodu modeļi tiek veidoti, pamatojoties uz šīm idejām.

Rīki un bibliotēkas
Kur Python, TensorFlow, Keras, scikit learn, NumPy un Pandas iederas reālā mašīnmācīšanās darbplūsmā.

Lietišķā mašīnmācīšanās
Kā šīs metodes tiek izmantotas veselības aprūpē, finansēs, ieteikumu sistēmās, krāpšanas atklāšanā, datorredzē un prognozēšanā.

IZSTRĀDĀTS MĀCĪŠANĀS TELEFONĀ

Īsas nodarbības. Katra tēma ir sadalīta sadaļās, kuras varat pabeigt dažu minūšu laikā, lai jūs varētu gūt panākumus dienas pārtraukumos, nevis gaidīt brīvu vakaru.

Vispirms vienkārša valoda, pēc tam matemātika. Katrs algoritms ir izskaidrots vārdos, pirms parādās jebkāda apzīmējuma, lai jūs saprastu, ko tas dara, pirms redzat, kā tas ir uzrakstīts.

Meklēt visā kursā, lai jūs varētu meklēt terminu brīdī, kad to atrodat rakstā vai lekcijā.

Grāmatzīmes un CV, lai garas tēmas netiktu pārtrauktas.

Pastāvīgi atjaunināts, attīstoties jomai.

KAM ŠĪ LIETOTNE IR DOMĀTA

Studentiem, kas apgūst mašīnmācīšanās, mākslīgā intelekta vai datu zinātnes kursus un vēlas otru skaidrojumu, ja lekcija nav notikusi.

Programmatūras izstrādātājiem, kas pāriet uz mašīnmācīšanās inženieriju vai datu zinātni.

Kandidātiem, kas gatavojas mašīnmācīšanās un datu zinātnes intervijām, kur jautājumi joprojām galvenokārt ir par pamatprincipiem.

Analītiķiem un profesionāļiem, kuriem ir jāsaprot, ko patiesībā dara mākslīgā intelekta sistēma viņu nozarē.

Ikvienam, kurš ir ieinteresēts, kā mākslīgais intelekts darbojas zem produktiem, ko viņi lieto katru dienu.

KĀPĒC APGŪT MAŠĪNMĀCĪŠANOS TAGAD

Mašīnmācīšanās vairs nav specializēta prasme, bet gan kļuvusi par tehniskā darba pamatprasmi. Izpratne par to, kā modeļi tiek apmācīti, kāpēc tie neizdodas un ko tie var un ko nevar darīt, tagad ir noderīga gandrīz katrā tehniskajā lomā — un arvien vairāk arī netehniskajā.

Šis kurss sniedz jums šo izpratni formātā, ko jūs faktiski pabeigsiet: īsas nodarbības, skaidra valoda, nav jāglabā video, nav nepieciešams konts.

Atveriet savu pirmo nodarbību jau šodien.

Jautājumi, labojumi vai tēma, kuru vēlaties pievienot? Rakstiet uz e-pastu [e-mail] — mēs atjauninām lietotni, pamatojoties uz studentu pieprasījumiem.