Savaşan ulusun ML savaş etkinliği gittikçe güçleniyor ve şimdi kendi rotamı başlatmak için reddit yapacağım.
Bu kursun adı mlcourse.ai , Açık ve ücretsiz bir makine öğrenimi kursudur. Kurs 10 hafta sürer ve 5 ana başlıkta 12 bölüm içerir.
Kurs Kataloğu
Konu 1 Veri Analizini Keşfetmek İçin Pandaları Kullanın Konu 2- Python-Seaborn, Matplotlib ve Plotly'de Görselleştirilmiş Veri Analizi Kitaplığa Genel Bakış Konu 3 Sınıflandırma, Karar Ağaçları ve K-En Yakın Komşu Algoritması Konu 4 Doğrusal Sınıflandırma ve Regresyon-Bölüm 1 Sıradan En Küçük Kareler-Bölüm 2 Lojistik Regresyon -Bölüm 3 Regularization-Part 4 Avantajlar ve Dezavantajlar-Bölüm 5 Doğrulama ve Öğrenme Eğrisi Konu 5 Algoritmalar ve Rasgele Orman-Bölüm 1 Torbalama-Bölüm 2 Rastgele Orman-Bölüm 3 Özellik Önemi
Bu kursu öğrenmek istiyorsanız, Ulusal Günden önce olmalısınız. Formu doldur (Bağlantı makalenin sonunda), ders 1 Ekim'de resmen başladı ve öğrenme, 24 güneş döneminde yoğun bir kar yağışı olan 9 Aralık'ta sona erdi.
Mlcourse.ai kursu, github'da 1.900'den fazla yıldız almıştır. Birçok alıştırma bölümü içerir ve her hafta ev ödevi ve kursta Kaggle yarışmaları olacaktır.
Kursun yayıncısı, bu kursun odak noktasının teori ve pratiğin mükemmel bir kombinasyonu olduğunu söyledi.Ayrıca sizi devam ettirmek için etkileşimli bir teşvik mekanizması var.Ayrıca destek sağlayacak büyük bir topluluk var.Kamu içinde ödev isteyebilirsiniz.
Yeni başlayanlar için uygun değil
Bu kurs seti aslında 24k yeni başlayanlar için uygun değildir, yani belli bir matematik ve Python derecesi gerektirir.
Matematik bölümü şunları içerir: hesap , Lineer Cebir , Olasılık Teorisi ve Matematiksel İstatistik ; Python kısmının anlaşılması gerekiyor DataQuest , DataCamp hatta CodeAcademy bu şeyler.
Ek bilgiye ihtiyacınız varsa, Ian Goodfellow, Yoshua Bengio ve Aaron Courville tarafından yazılan "Derin Öğrenme" yi veya Marc Peter Deisenroth, A Aldo Faisal ve Cheng Soon Ong tarafından yazılan "Makine Öğreniminin Matematiksel Temelleri" ni okuyabilirsiniz. (Makalenin sonunda bir bağlantı var)
Hala bu matematiğin ekşi ve canlandırıcı olmadığını düşünüyorsanız, matematiği tazelemek için MIT'nin açık kurs web sitesine gidebilirsiniz. (Makalenin sonunda bir link +1 var)
Ek olarak, bir github kullanıcısı olmanız ve biraz bash ve Docker bilmeniz iyi olur. (Makalenin sonunda +2 bağlantısı vardır)
Biraz stresli
Kurs kataloğa göre nispeten kısa olmasına rağmen, sonuçta sadece 10 hafta, bu nedenle kurs hızı çok hızlı olacak, öğrenme için haftada en az 5-6 saat. Kurstaki Kaggle yarışmasına ciddi şekilde yatırım yapmak istiyorsanız, bu haftada 20-25 saat olabilir.
İkinci bir sınıf arkadaşı, bunun temel ve orta seviyeler için en iyi pratik ders kitaplarından biri olduğunu ve doğrusal cebiri önceden öğrenmek gerektiğini yorumladı. Kurstaki ev ödevlerinin çoğu zor olmasa da, zaman zaman çok zorlayıcı birkaç konu vardır.Yarışma kısmı en zor olanıdır, ancak kişisel beceriyi büyük ölçüde geliştirir.
Öğretmen Wu Enda'nın sınıf modasından
Bazı netizenler, bu kursun Wu Enda'nın Coursera kursuna kıyasla nasıl olduğunu sordular. Yayıncılık ajansı yanıt verdi:
Wu Enda'nın kursu eski .
Ajans, mlcourse.ai'nin Wu Enda'ya kıyasla daha zor olduğuna ve daha yüksek bir matematiksel temel gerektirdiğine inanıyor; güncellemenin işe yaramayan şeylere çok fazla zaman harcamaması ve Octave yerine Python kullanıyor.
Mlcourse.ai kursu, Rusça konuşan 15.000 veri bilimcisini bir araya getirdiğini iddia eden OpenDataScience adlı bir kuruluştan geliyor.
Daha önce de mlcourse.ai kursunu Rusça olarak öğretmişlerdi. Bu kurs Ekim ayında ikinci kez başladı. Merak etmeyin, bu sefer İngilizce.
Elbette yazarlar temelde Rusça konuşan bilim adamlarıdır. Örneğin, ana yaratıcılardan biri olan Yury Kashnitskiy, Rusya'da "MIT" olarak bilinen Moskova Fizik ve Teknoloji Enstitüsü'nden mezun oldu ve şu anda Royal Dutch KPN Telekom Grubu için bir veri analisti.
Öğretmenin github avatarı çok iyi görünüyor
Kurs ana sayfası:
https://mlcourse.ai/
Kurs başvuru formu:
https://docs.google.com/forms/d/e/1FAIpQLSevId-XgOe6n3m-RTbXQfeN-KpyMdvkzCDoG2BL6m90EBfasQ/viewform
(Google alan adını gördünüz mü? Açamıyorsanız nedenini düşünün)
Kurs kaynak listesi (github ve video dahil):
https://mlcourse.ai/resources
"Derin Öğrenme" github çevirisi:
https://github.com/exacity/deeplearningbook-chinese
"Makine Öğreniminin Matematik Temelleri":
https://mml-book.github.io/
MIT'nin matematik sınıfı:
https://ocw.mit.edu/courses/mathematics/
GitHub Xiaobai Kılavuzu:
Docker acemi kılavuzu:
https://github.com/Yorko/mlcourse.ai/wiki/Software-requirements-and-Docker-container
- Bitiş -
Samimi işe alım
Qubit, editörleri / muhabirleri işe alıyor ve merkezi Pekin, Zhongguancun'da bulunuyor. Yetenekli ve hevesli öğrencilerin bize katılmasını dört gözle bekliyoruz! Ayrıntılar için, lütfen QbitAI diyalog arayüzünde "işe alım" kelimesiyle yanıt verin.
Qubit QbitAI · Toutiao İmzalayan Yazar
' ' Yapay zeka teknolojisi ve ürünlerindeki yeni eğilimleri takip edin