Articles

Machine Learning 101: Hvordan og hvor man skal starte for absolutte begyndere

19. juni 2020 1.193 læser

dette indlæg dækker alt hvad du har brug for til din rejse som nybegynder. Alle ressourcer er forsynet med links. Du har bare brug for tid og dit engagement.

jeg har adskilt dette indlæg i flere programmer som vist nedenfor:

  • sti A. 4 til 5 måneder
  • sti B. 2 måneder eller mindre
  • sti C. 1 måned eller mindre

sti a: Lær om 4 til 5 måneder.

Del 1: Start med maskinindlæring, 2 måneder.

  • Machine Learning kursus ved Stanford University (coursera.org/learn / machine-learning)
  • når du starter neuralt netværk i uge 5 på Coursera-kurset, skal du udfylde Neural netværk playlist af 3biue1brun.
  • jeg tror, at Coursera-kurset skynder den neurale netværksdel lidt, der er en fantastisk gratis online bog om neuralt netværk og dyb læring (neuralnetworkanddeeplearning.com)
  • nu vil mange af begreberne i maskinindlæring og dyb Læringslitteratur begynde at give mening for dig. For sjov, gå over til Chriss Olahs blogs, de er fantastiske! (http://colah.github.io/)

Del 2: dyb læring, 1 måned.

  • før du begynder dyb læring, du har brug for at børste op nogle Universitet matematik. Den dybe læring bog af Ian Goodfoged, jeg vil anbefale dig at gå gennem lineær Algebra og sandsynlighed og informationsteori kapitler så dybt som du kan.
  • mit bedste valg til at starte dyb læring er med andres dybe læringsspecialisering. (coursera.org/specializations/deep-learning)
  • det er også tid til at læse Kapitel 3, 4, 5, 6 fra neuralnetworkanddeeplearning.com at styrke dine koncepter

Timing: hvis du arbejder på fuld tid på disse kurser, jeg tror, det er muligt at afslutte hver uges indhold i 1~2 dage. Så bliv ikke skræmt af
tidsplanen. Men giv dig selv tid til at trække vejret mellem kurser.

Del 3: praktisk implementering af dyb læring (1~2 måneder).

Fast.ai har en vidunderlig ressource til praktisk dyb læring (course.fast.ai), mens Andreas ng eller andre underviser i en ovenfra og ned tilgang (ved først, gør senere) fast.ai underviser i en bottom – up tilgang (gør først, ved senere).To andre kurser, jeg vil nævne, er Cs231n og CS224n af Stanford University. CS231n er fokuseret på computersyn med dyb læring, og CS224n fokuserer på Sekvensmodellering såsom naturlig sprogbehandling med dyb læring.

sti B: Lær om 2 måneder eller mindre.

Gennemfør de første 5 uger af Maskinlæringskurset fra Coursera, Udfør programmeringsøvelserne.

  • se det neurale netværk spilleliste fra 3blue1brun youtube-kanal.
  • komplet kursus (neurale netværk og dyb læring) fra Deep Learning specialisering i Coursera. Gør øvelserne.
  • hvis du vil starte et Billedbehandlingsprojekt, skal du tage 4.kursus Ln Coursera specialisering eller hvis du vil arbejde på naturlig sprogbehandling eller sekvensdata, skal du tage kursus nr.5.

Søg efter open source implementering og YouTube videoer af projekter, som du er interesseret i. hvis du er bekymret for hvilket sprog du skal bruge, synes jeg det er godt at blive hos Keras (Keras er et open source neuralt netværksbibliotek skrevet i Python)

sti C: Lær om 1 måned eller mindre.

  • skimme gennem Coursera Machine Learning kursus uge 1 til 5. Bare se videoerne, tag fat i konceptet. Du kan springe Matlab / Octave tutorials over i uge 3.
  • se det neurale netværk spilleliste fra 3blue1brun youtube-kanal.
  • skum gennem kursus (neurale netværk og dyb læring) fra Deep Learning specialisering i Coursera.
  • hvis du vil lave et Billedbehandlingsprojekt, skal du læse kapitlerne fra Nielsens bog: neuralnetworksanddeeplearning.com/chap6.html
  • Siraj Raval har nogle interessante videoer, der giver dig et overblik over de fleste ML-og DL-emner.

Søg efter open source implementering og YouTube videoer af projekter, som du er interesseret i. Og fortsæt med at tilpasse dem til dit behov

Links & valgfri ressourcer.

neurale netværk og dyb læring:
coursera.org/learn/neural-networks-deep-learning

Sekvensmodellering –
colah.github.io/posts/2OI5-08-Unndersting-LSTMs /

Siraj Raval: Youtube Channel

jeg vil foreslå dig at følge 2 minutters papir på YouTube for at få
opdateret med de vidundere, som forskere gør med dyb lænning rundt om i verden.

Tags

Deltag Hacker Noon

Opret din gratis konto for at låse din brugerdefinerede læseoplevelse.