Breaking in Machine Learning: 5 onlinekurser for at hjælpe dig i gang

Indhold

Maskinlæring fra Stanford
Ingen fejl, ingen stress - Din trinvis vejledning til oprettelse af livsændrende software uden at ødelægge dit liv
Matematik til maskinlæring fra Imperial College London
Avanceret maskinlæring fra National Research University - Higher School of Economics
Deep Learning Specialization fra Deeplearning.ai
Maskinlæring med TensorFlow på Google Cloud Platform fra Google Cloud

Tag væk:

Hvis du vil komme i gang med maskinlæring, er disse kurser et godt sted at begynde!

Stillingen inkluderer tilknyttede links

Vil du blive en maskinuddannelsesmester?

Må vi ikke alle sammen! Maskinindlæring er varm lige nu, og det er et hurtigt voksende felt. Maskinlæringseksperter og lignende dataforskerroller er meget efterspurgte. (Hvis du foretrækker datavidenskab fremfor ML, skal du tjekke ud om 6 centrale datavidenskoncepter, du kan mestre gennem online-læring.)

For at hjælpe med at kickstarte din maskinlæringskarriere, her er nogle gode onlinekurser og programmer, der vil begynde at vise dig den indre funktion af ML.

Maskinlæring fra Stanford

Dette kursus tilbydes online, så eleverne kan lave deres egne skemaer, mens de lærer om møtrikker og bolte ved maskinlæring. Få et vindue til autonom køretøjsdesign, talegenkendelsesteknologier, automatiseret websøgning og mere af hvad maskinlæring har bragt os inden for de sidste par år. Der er også en komponent i Human Genome Project, hvor blanding af biologi med maskinlæring har bragt os nogle fantastiske fremskridt inden for datahåndtering.

Denne klasse viser dig også, hvordan maskinlæring findes rundt omkring os. Fra medicinsk diagnose til anbefalingsmotorer, maskinlæring og neurale netværk er allerede en stor del af vores liv. I mange tilfælde er vi ikke klar over det, fordi de er skjult bag kulisserne. At belyse mange af de nuværende brugssager er en effektiv måde at hjælpe begyndere med at opbygge ML-viden.

Ingen fejl, ingen stress - Din trinvis vejledning til oprettelse af livsændrende software uden at ødelægge dit liv

Du kan ikke forbedre dine programmeringsevner, når ingen er interesseret i softwarekvalitet.

Derudover tilbyder dette kursus læring relateret til data mining, mønstergenkendelse og forskellige typer algoritmearbejde. Lær det grundlæggende om overvåget og uovervåget læring, samt dimensionalitetsreduktion og andre spørgsmål om dimensionalitet i praksis for maskinindlæring. Alt dette hjælper med at forberede sig til en reel rolle i ML-implementering og -design.

Fakta:

Fokus på maskinlæring, maskinlæringsalgoritmer, kunstige neurale netværk og logistisk regression
Enkeltkurs
Gratis tilmelding med mulighed for at få et certifikat mod et gebyr

Varighed: Cirka 55 timer at gennemføre

Bedømmelse: 4,9 ud af 5

Matematik til maskinlæring fra Imperial College London

Disse kurser er en undersøgelse af maskinlæring på højere niveau, der lover at oplyse eleven om nogle af de indre operationer i neurale netværk og lignende teknologier.

Denne specialisering handler om, hvordan man tager matematikken bag maskinlæring og skaber en bro til praktiske uddannelsesteknologier, der vil hjælpe dig med at blive dygtige til at udvikle de typer arbejde, som maskinlæring involverer.

Multivariat beregning, dimensionalitetsreduktion og forskellige komponenter hjælper studerende med at blive kompetente i disse væsentlige byggesten. Kurset kræver en vis viden om Python som programmeringssprog og en grundlæggende forståelse af den matematik, der bruges i maskinlæring, herunder lineær algebra.

Fakta:

Fokus på lineær algebra, multivariabel beregning, hovedkomponentanalyse (PCA) og egenværdier og egenvektorer
3 kurser i denne specialisering
Gratis tilmelding med mulighed for at få et certifikat mod et gebyr

Varighed: Cirka 2 måneder at gennemføre (anbefalet 12 timer om ugen)

Bedømmelse: 4,5 ud af 5

Avanceret maskinlæring fra National Research University - Higher School of Economics

Denne avancerede niveau online specialisering får de studerende tættere på mestring af avanceret praksis såsom dyb læring og forstærkning læring.

Kursusarbejde vil dække forskellige typer maskinindlæringsmål og -mål, f.eks. Naturlig sprogbehandling samt computersyn, og hvordan arkitekturer som indviklede neurale netværk bidrager til fremskridt inden for billedbehandling. Bayesiske metoder vil også blive behandlet på dette kursus, hvor forskere fra CERN og Kaggle-maskinindlæringseksperter giver praktiske eksempler på implementering af maskinlæring i den virkelige verden.

Denne specialisering faktureres som et program, der giver de studerende mulighed for at begynde at anvende ekspertise i maskinlæring i virksomheden. Det inkluderer at være i stand til bedre at brainstorme den nøjagtige anvendelse af virksomhedens maskinlæring og finde udfordringer og hindringer i den virkelige verden implementeringer.

Denne type praktisk specialisering er i sagens natur vigtig i karrierebeskæftigelse senere, så dette er et fremragende valg for studerende med selvindlæring at forfølge hjemme. At være i stand til at identificere, som kursusforfattere siger, ”advarsler” ved maskinlæring gør en karrierefaglig person uundværlig for et designteam eller i en rådgivende rolle. Maskinindlæring er ny, og virksomhederne tilpasser sig stadig og lærer, hvordan man bedst anvender disse teknologier på højt niveau. (Eller, hvis dine interesser ligger i softwareudvikling, så tjek 6 Softwareudviklingsbegreber, du kan lære gennem online-kurser.)

Fakta:

Fokus på maskinlæring, dyb læring, datavidenskab, Bayesianske metoder, forstærkningslæring, computersyn og naturlig sprogbehandling
7 kurser i denne specialisering
Gratis tilmelding med mulighed for at få et certifikat mod et gebyr

Varighed: Cirka 8 til 10 måneder at gennemføre

Bedømmelse: 4,5 ud af 5

Deep Learning Specialization fra Deeplearning.ai

Her er en dyb læringsspecialisering, der repræsenterer en mellemklasse-maskinlæringsindstilling.

Disse kurser fokuserer på dyb læring og dens forhold til neurale netværk. Kursusarbejde vil omfatte forskellige typer strukturer, såsom indviklede neurale netværk, LSTM, tilbagevendende neurale netværk og mere. Kurset viser også, hvordan disse gælder for forskellige brancher, herunder sundhedspleje, naturlig sprogbehandling og fremstilling. Du kan se nogle af de grundlæggende elementer i autonome køreteknologier på arbejdet, og bruge Python og TensorFlow til at begynde at opbygge viden om modeller for maskinlæring. Alt dette giver et solidt grundlag for at gå videre ind i, hvordan ML omdefinerer automatisering i vores verden.

Fakta:

Fokus på dyb læring, kunstige neurale netværk, indviklede neurale netværk og TensorFlow
5 kurser i denne specialisering
Gratis tilmelding med mulighed for at få et certifikat mod et gebyr

Varighed: Cirka 3 måneder at gennemføre (anbefalet 11 timer om ugen)

Bedømmelse: 4,9 ud af 5

Maskinlæring med TensorFlow på Google Cloud Platform fra Google Cloud

Disse kurser er specialiserede i nogle af de mest almindelige kerneteknologier, der bruges til at implementere maskinlæring i dagens virksomhed.

Her ser undervisere på at introducere maskinlæring til studerende på en dybtgående måde og gennemgå specifikke brugssager. Denne specialisering vil besvare spørgsmål om populariteten af neurale netværk samt overvågede og uovervågede maskinindlæringsmodeller, gradientafstamning og test- og træningsdatasæt.

Denne specialisering fokuserer på brugen af TensorFlow og en bestemt type skymodel baseret på Google-tilbud, når studerende får praktisk erfaring med AI og maskinlæring.

Fakta: