Indhold
- Datakonstruktioner og algoritme-specialisering - University of California San Diego
- Ingen fejl, ingen stress - Din trinvis vejledning til oprettelse af livsændrende software uden at ødelægge dit liv
- Algoritme-specialisering - Stanford
- Introduktion til diskret matematik til datalogi-specialisering - University of California San Diego
Kilde: Wave Break Media Ltd / Dreamstime.com
Tag væk:
Algoritmer er kernen i datalogi. Selvom det kan være vanskeligt at lære om dem, er her nogle kurser, der kan hjælpe dig.
At lære om konstruktionen af maskinlæring og algoritmer til kunstig intelligens er ikke en enkel proces. Dette er nogle af de mest detaljerede og sofistikerede koncepter, du vil se inden for datalogi. De er baseret på kompleks matematisk og statistisk modellering såvel som logiske og tekniske processer.
Algoritmearbejde er en del af fortidens fremskridt i en verden, hvor der er stor efterspørgsel efter dataforskere. Mestring af dette felt kræver meget læring og træning på grund af den tekniske kompleksitet, det involverer. Neurale netværk og andre AI / ML-modeller er bygget på nogle avancerede ideer om, hvordan computervidenskab fungerer, og hvad den har at tilbyde.
Her er fire fremragende ressourcer for studerende, der ønsker at fremme deres viden om algoritmer og relaterede datastrukturer.
- Datakonstruktioner og algoritme-specialisering - University of California San Diego
- Algoritme-specialisering - Stanford
- Algoritmer: Første del - Princeton University
- Introduktion til diskret matematik til datalogi-specialisering - University of California San Diego
Datakonstruktioner og algoritme-specialisering - University of California San Diego
Dette kursus involverer praktisk arbejde med algoritmeudvikling for at hjælpe den studerende med at blive bekendt med, hvordan man evaluerer og udforsker maskinlæringsalgoritmer. Det giver den ramme for at bevæge sig videre i ML / AI og algoritme engineering.
I dette kursus implementerer studerende direkte algoritmer i kodningsscenarier, idet de indleder snesevis af relevante opgaver, for at få en dybdegående idé om algoritmen som kode. Planlæggere har investeret tusinder af timer i dette udfordrende kursus, hvor de studerende vil lære at fejlsøge programmer og evaluere en kodebase i henhold til dens algoritmiske evner. (Ønsker du at lære om en dataforskers liv? Tjek jobrollen: Datavidenskabsmand.)
Med hensyn til aktuel dækning dækker dette kursus både store netværk og genomsamling, med interaktiv formatering, der får studerende tæt på hjertet af, hvad fagfolk gør i et produktionsmiljø. Med denne type praktisk læring bygger de studerende en base af arbejdskendskab, der involverer, hvordan man opsætter og finpudser algoritmer til ML / AI.
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.
Studerende skal have grundlæggende kendskab til et eller flere programmeringssprog inklusive Java, Python og C ++.
Algoritme-specialisering - Stanford
Her er et andet kursus, der tilstrækkeligt forbereder de studerende til en større rolle i at udforske algoritmernes udvikling og brug. Dette kursus viser også vigtige aspekter af udviklingen i maskinlæringsudvikling med et dybtgående implementeringsarbejde med algoritmer.
En del af fremgangsmåden her er at give kandidater mulighed for at "tale sproget" i algoritmeudvikling. Fra sikkerhedsprotokoller til logisk regression og klassificeringsteknikker vil fagfolk, der kan holde deres egne i disse slags samtaler, lære videre på jobbet og fremme deres ry som en tankeleder i maskinlæringsprocesser.
Dette kursus ser på det store billede og den iterative implementering for at hjælpe den studerende med at klarlægge denne form for teknisk ekspertise.
Dette er et kursus på mellemniveau med en fleksibel tidsplan.
Dette kursus, der kommer fra en top Ivy League-kilde, dækker mange af de grundlæggende aspekter af algoritmeudvikling, der fokuserer på datastrukturarbejdet.
Filosofien her er, at den grundlæggende forståelse af algoritmer er afhængig af at vide mere om de byggesten, som de er lavet af. Fra tilfældige skove og beslutningstræer til detaljerede black box-systemer som ekkotilstandsmaskiner og Boltzmann-maskiner arbejder algoritmeudviklingen på processen med at manipulere data på iterative og undertiden rekursive måder.
Del en af dette kursus vil derfor gå over elementære datastrukturer og sortering, mens del to vil fokusere på graf- og strømbehandlingsalgoritmer. Studerende bliver fortrolige med vurderingen af datastrukturer, hvordan de er oprettet og hvordan de bruges af maskinlæringsprogrammer. (Har du en interesse i at oprette software? Tjek derefter 6 softwareudviklingsbegreber, du kan lære gennem onlinekurser.)
Det er ikke svært at se, hvordan denne type undersøgelseskurser forbereder de studerende til en arbejdskarriere inden for datavidenskab. Fra og med datastrukturer og dybdegående analyse arbejder de studerende videre i møtrikkerne på, hvordan man bruger de konceptuelle midler til at opbygge det praktiske resultat.
Introduktion til diskret matematik til datalogi-specialisering - University of California San Diego
Under mange af de teknikker, der letter algoritmeudvikling, ligger matematisk modellering. Dette specialiserede kursus vil fokusere på diskret matematik som en del af en ingeniørs værktøjssæt. At forstå de matematiske egenskaber ved datastrukturer er en nøgleevne for dataforskere og andre, der er involveret i algoritmearbejde.
Start med grundlæggende sandsynlighed og taleteori, vil dette kursus bevæge eleverne på vejen til yderligere forståelse af diskret matematik og dens anvendelse til algoritmeproduktion. Studerende lærer om grundlæggende algoritmeteknikker og sortering og får praktisk erfaring med at prøve at løse problemer.
De vil se på graf- og strengalgoritmer og deres anvendelse, for eksempel i menneskeligt genomarbejde. Studerende vil også se på brugen af værktøjer som binære søgetræer, hashborde, køer og stabling og arbejde mod avanceret problemløsning med lineær programmering og omtrentlige algoritmer.
Alle fire af disse kurser giver deres egne nøglemetoder til et hurtigt voksende fagområde, der er utilgængeligt for mange mennesker på grund af dets vanskeligheder. Ikke alle kan være datavidenskabsmand, men de, der føler sig kvalificerede og klar til at lære, kan bruge disse kursustilbud til at opbygge deres tekniske viden, så de passer til deres logiske og deduktive ambitioner.