Другие курсы машинного обучения от Google

Google добавил три новых бесплатных курса по темам машинного обучения, предназначенные для исследователей, разработчиков и студентов: кластеризация, системы рекомендаций, тестирование и отладка и выводят учащихся за рамки ускоренного курса машинного обучения.

Google открыл двери своего ускоренного курса по машинному обучению, который уже прошли более 18000 сотрудников Google, в марте 2018 года. Этот бесплатный курс является отправной точкой для всех, кто хочет изучить и практиковать концепции машинного обучения и включает 15 часов материала, в том числе обучающие видео, интерактивные визуализации и упражнения, все еще

Тем временем были добавлены еще два курса: 1-часовой «Введение в постановку задач машинного обучения», предназначенный для новичков без каких-либо предварительных требований, и «Подготовка данных и разработка функций в машинном обучении», который длится 3 часа и требует завершения. ускоренного курса. Для двух из трех новых курсов необходимо, чтобы вы прошли все предыдущие курсы машинного обучения или обладаете эквивалентными знаниями, а также имеете базовые знания программирования на Python.

Тестирование и отладка основаны на процессе обучения модели и ее использовании для прогнозирования.

Курс состоит из 4 часов материала, и его отправной точкой является практическое упражнение по программированию с использованием Colab, размещенного на GitHub, которое шаг за шагом проведет вас через отладку простой модели. По мере прохождения курса вы научитесь:

Проверяйте необработанные данные об объектах и данные о разработанных объектах.

Отлаживайте модель машинного обучения, чтобы она работала.

Реализуйте тесты, упрощающие отладку.

Оптимизируйте работающую модель машинного обучения.

Мониторинг показателей модели во время разработки, запуска и производства.

По словам Барри Розенберга, в объявлении в блоге Google The Keyword говорится, что этот курс:

Объясняет приемы, которые используют специалисты Google по машинному обучению для тестирования и отладки моделей машинного обучения. Эксперты Google по машинному обучению потратили тысячи часов на расшифровку сигналов, которые излучают неисправные модели машинного обучения. Учитесь на своих ошибках.

В качестве предварительных условий кластеризация также требует базовых знаний о распределениях данных, таких как распределение по Гауссу и степенному закону. Это ориентированное на реализацию введение в кластеризацию, которое, по оценкам, займет 4 часа, и даст вам возможность попрактиковаться в использовании методов, которые помогают находить шаблоны и связанные группы в сложных данных. Кульминацией этого является упражнение по программированию Colab.

Розенберг заявляет:

Курс фокусируется на k-средних, наиболее популярном алгоритме кластеризации. Хотя k-средних относительно легко понять, определение мер сходства для k-средних является сложной и увлекательной задачей.

Предварительными условиями для рекомендательных систем являются ускоренный курс машинного обучения плюс знакомство с линейной алгеброй (внутреннее произведение, произведение матрица-вектор) и, по крайней мере, небольшой опыт программирования с TensorFlow и pandas. Опять же, это 4-часовой курс, над которым нужно работать.

По словам Розенберга, это:

учит, как создавать модели машинного обучения, предлагающие пользователям релевантный контент, используя опыт экспертов системы рекомендаций Google. Вы откроете для себя как контентную, так и совместную фильтрацию, а также раскроете математическую алхимию матричной факторизации.

Он резюмирует набор новых курсов как увлекательные, практичные и полезные, заключая:

Они заставят вас по-другому взглянуть на свой подход к работе. Пройдите эти курсы, чтобы копировать действия лучших мировых экспертов по машинному обучению.