昨年、私はスタンフォード大学とアンドリュース・ン氏によるCourseraの機械学習コースを修了しました。
Andrew Ng氏とスタンフォード大学が作成した、機械学習とディープラーニングに関する無料コースです。無料ですが、70ドルで認定資格を取得できます。コースは3つの基本コース、ビデオ、クイズ、プログラミング演習で構成されています。
ビデオを見て、クイズと練習問題に取り組み、アルゴリズムの一部を設計し、MatlabまたはOctaveで実装してテストします。
私が考えていること
入門としては良いと思いますが、機械学習の世界に入るための最短ルートではないと思います。非常に理論的なコースです。全体的な視野を養うには良いコースだと思います。
- アルゴリズムの選択方法。
- パラメータを選択して定義する方法。
- アルゴリズムでどのような問題が発生する可能性があるか、またそれをどのように修正するか。
もう 1 つの悪い点は、Matlab または Octave で作業することです。
Matlab や無料のオープンソース代替手段である Octave はプロトタイプを作成するための非常に高速なツールであると主張していますが、それは本当です。しかし、コースを終了して実際の作業に移ろうとすると、誰もが Python を使用しています。
私は Octave を使用して作業し、Octave とそのマトリックス ツールの使い方を学ぶのに多くの時間を費やしました。
演習は簡単ではありませんが、ガイド付きで、環境とデータシートの提供と準備について案内してくれます。そのため、コアアルゴリズムを数行記述するだけで済みます。
Andrew Ng の Coursera 機械学習コースでは、代数 (ベクトルと行列) と微積分について少し学び、数学について学びます。
ロジスティック回帰のコスト関数を示すスライドです。演習では、この式をMatlabまたはOctave言語で実装し、行列記法を用いてください。
機械学習の話を聞いたとき、私は従来のプログラミングのように、if文や統計を多用するものを想像していました。しかし、このコースを受講したことで、その考え方が変わり、機械学習の仕組みについてより包括的な視点を持つことができました。
シラバス
コースの詳細を知りたい方は、シラバスをご覧ください。シラバスは、教師ありと教師なしの2つのパートに分かれています。
教師あり学習
- モデルとコスト関数
- 線形回帰のための勾配降下法
- 正則化
- ニューラルネットワーク
- 大規模機械分類とカーネル
- 主成分分析（PCA）
- 機械学習システム設計
- サポートベクターマシン
教師なし学習
- 次元削減
- 異常検出
- 推奨システム
- 大規模機械学習
週ごとのより詳細な概要を知りたい場合は
週1
イントロダクション
XNUMXつの変数による線形回帰
線形代数の復習
週2
複数の変数を使用した線形回帰
ctave/Matlabチュートリアル
週3
ロジスティック回帰
正則化
週4
ニューラルネットワーク：表現
週5
ニューラルネットワーク：学習
週6
機械学習の適用に関するアドバイス
機械学習システム設計
週7
サポートベクターマシン
週8
教師なし学習
次元削減
週9
異常検出
推奨システム
週10
大規模機械学習
週11
アプリケーション例: 写真OCR
資料
- Courseraフォーラムを利用する
- そして 練習問題やクイズの解答はgithubにあるのでお勧めしませんGitHubでチートをする人がたくさんいるのは承知していますが、倫理規定に署名することを忘れないでください。そして、あなたはこのコースを受講しているのです。いや、修了するためではありません。
このコースを修了したら何をするか
これは機械学習の世界への入門として概念を学ぶためのコースだと考えていますが、コース修了後にはもっと勉強して、より専門的なコースを受講することをお勧めします。この記事で紹介されているコース（機械学習と深層学習のコース）をぜひ受講してみてください。
Python と、Tensor Flow、Keras、PyTorch、Numpy Python ライブラリなどのフレームワークを学習します。
ディープラーニングをさらに学び、集中、集中、集中しましょう。
実際のプロジェクトに取り組んだり、コンペティションに参加したりしましょう。Kaggleは良い選択肢です。
何か経験はありますか？ぜひコメントで教えてください。