机器学习修炼手册:从倔强青铜到最强王者
云栖号资讯:【点击查看更多行业资讯】
在这里您可以找到不同行业的第一手的上云资讯,还在等什么,快来!
居家隔离期间只顾着玩游戏刷剧真的不会坐立不安吗?与其心神不安打Boss,不如来面对机器学习这个大BOSS。笔者整理的这套课程从入门到高级,快来提升你的段位吧!
提示:Coursera的大部分课程和专业都有审核的选项。用户不会获得证明,但可以访问本课程的大部分资源,这就已经足够了。在报名时,只需选择审核课程的选项即可。
Coursera将提供免费试用,就在“开始免费试用”按钮后面,可以发现一行小字,上面写着“审核课程”。这个技巧很难发现,但也很实用,笔者已经仔细检查了推荐的所有课程,它们应该都是免费的。
A. 倔强青铜
1. 机器学习
使用平台:Coursera
参与机构:斯坦福
所需时间:54小时
事先要求:没有任何要求,但对微积分特别是线性代数有一些理解会更好,可以最大限度帮助理解这门课程。
点评:吴恩达大佬的课程还需要推荐吗?!他是斯坦福大学的教授,也是Coursera的创始人之一,开发了机器学习领域的首批在线课程之一,这批课程目前仍可在YouTube上查阅。
课程摘要:
本课程广泛介绍了机器学习、数据挖掘和统计模式识别。主题包括:监督学习(参数/非参数算法、支持向量机、核、神经网络);无监督学习(聚类、降维、推荐系统、深度学习);机器学习的最佳实践(偏差/方差理论;机器学习与人工智能的创新过程)。
主题包括:
- 线性回归
- 逻辑回归
- 神经网络
- 正则化
- 降维
- 支持向量机
- 无监督学习
- 异常检测
- 推荐系统
2. Python中的机器学习
使用平台:Coursera
参与机构:IBM
所需时间:22小时
事先要求:了解基本数学原理。
点评:虽然课程自称“中级水平”,但笔者认为它对新手来说是个很好的起点。如果觉得斯坦福的课程有点长,这门课程也是一个不错的选择。
课程摘要:
本课程使用易于理解且常见的编程语言Python,深入探讨机器学习的基础知识。本课程包含两个主要组成部分:机器学习的目的以及它在现实世界中的应用;之后将理解机器学习主题的一般概述,如监督与无监督学习、模型评估与机器学习算法。
主题包括:
- 回归
- 聚类
- 分类
- 推荐系统
B. 荣耀黄金
3. 神经网络与深度学习
使用平台:Coursera
参与机构:deeplearning.ai
所需时间:30小时
事先要求:需要有Python编码经验,具备高中数学水平,掌握一些机器学习或深度学习知识会更好。
点评:在笔者看来,一旦掌握了机器学习的基本概念,并且熟悉了Python,下一步可能就是TensorFlow了,现在很多计算量很大的算法都是用它来运行的。吴恩达也是Deeplearning.ai的创建者,因此也是这门课程的提供者。
课程摘要:
在本课程中,你将学习深度学习的基础。当你完成这门课时,你将收获:
- 了解推动深度学习的主要技术趋势
- 了解如何实现高效(矢量化)神经网络
- 了解神经网络架构中的关键参数
- 能够构建、训练和应用全连接的深度神经网络
这门课程还将介绍深度学习的实际工作原理,而不是仅仅提供粗略的或表面的描述。
主题包括:
- 深度学习介绍
- 神经网络基础
- 浅显的神经网络知识
- 深度神经网络
4. 卷积神经网络
使用平台:Coursera
参与机构:deeplearning.ai
所需时间:20小时
事先要求:需要一些TensorFlow知识、Python编码基础和高中水平的数学知识。
点评:自上门课程之后的又一理想课程。
课程摘要:
本课程将教你如何构建卷积神经网络,并将其应用于图像数据。凭借深度学习,计算机视觉比两年前强大得多,这使得许多令人兴奋的应用得以实现,从安全的自动驾驶,到精确的人脸识别,再到放射图像的自动读取。
主题包括:
- 卷积神经网络基础
- 目标检测
- 深度卷机模型:案例研究
- 特殊应用:人脸识别与神经风格迁移
C. 最强王者
5. 高级机器学习专业
使用平台:Coursera
参与机构:国立研究大学高等经济学院(俄罗斯)
所需时间:10个月,每周6小时
事先要求:已经在本行业有扎实的机器学习与数学基础。
点评:这是一套完整的专业课程,所以那些想要节省时间,或者从技术上讲觉得不需要,以及已经在工作中接触过或在以前的课程中学习过这些内容的人,就可以跳过啦。
课程摘要:
深入研究现代人工智能技术。本课程将教授用计算机看、画、读、说、玩游戏以及解决行业问题。本专业对深度学习、强化学习、自然语言理解、计算机视觉和贝叶斯法进行了介绍。顶尖的Kaggle机器学习从业者以及CERN科学家将分享他们解决现实问题的经验,帮助你填补理论与实践之间的空白。
主题包括:
- 深度学习介绍 (32小时)
- 如何赢得数据科学竞赛:向顶级Kagglers学习 (47小时)
- 机器学习的贝叶斯法 (30小时)
- 目标检测
- 实用强化学习 (30小时)
- 计算机视觉中的深度学习 (17小时)
- 自然语言处理 (32小时)
- 用机器学习解决大型强子对撞机的挑战 (24小时)
看这安排得明明白白的进阶之路,心动不如行动,“最强王者”在向你召唤!
【云栖号在线课堂】每天都有产品技术专家分享!
课程地址:https://yqh.aliyun.com/live立即加入社群,与专家面对面,及时了解课程最新动态!
【云栖号在线课堂 社群】https://c.tb.cn/F3.Z8gvnK
低调大师中文资讯倾力打造互联网数据资讯、行业资源、电子商务、移动互联网、网络营销平台。
持续更新报道IT业界、互联网、市场资讯、驱动更新,是最及时权威的产业资讯及硬件资讯报道平台。
转载内容版权归作者及来源网站所有,本站原创内容转载请注明来源。
- 上一篇
phoenix-5.0.0与CDH6.0.1兼容性导致二级索引不可用问题解决
今天在测试phoenix的二级索引功能时,创建完索引写入数据,出现以下异常: Caused by: org.apache.hadoop.hbase.client.RetriesExhaustedWithDetailsException: Failed 1 action: org.apache.phoenix.hbase.index.builder.IndexBuildingFailureException: Failed to build index for unexpected reason! at org.apache.phoenix.hbase.index.util.IndexManagementUtil.rethrowIndexingException(IndexManagementUtil.java:206) at org.apache.phoenix.hbase.index.Indexer.preBatchMutate(Indexer.java:351) at org.apache.hadoop.hbase.regionserver.RegionCoprocessorHos...
- 下一篇
多云架构的3个常见性能挑战和解决方案
云栖号资讯:【点击查看更多行业资讯】在这里您可以找到不同行业的第一手的上云资讯,还在等什么,快来! 企业需要认真进行前期规划,以帮助确保其多云体系结构不会造成性能瓶颈。 多云架构可带来许多好处,但它们也会带来一些特殊的性能挑战,特别是如何设计和管理,很多部署多云的团队可能并没有注意多云架构中的性能瓶颈。 以下介绍多云架构的三种最常见的性能难题,以及克服这些难题的技巧。 多云架构性能概述 到目前为止,许多IT专业人员都熟悉多云策略的优势。通过允许企业一次在一个以上的云平台上运行工作负载,多云为提高成本效率和可靠性提供了机会。 此外,多云策略在某些情况下还可以帮助提高整体工作负载性能。很多企业可能会选择使用一个云计算供应商提供的一项服务,并使用另一云计算供应商提供的另一项服务来部署应用程序,因为与采用单个云计算供应商的服务相比,这种方法虽然成本更高,但可以获得更高的性能。 多云架构中的性能挑战 然而,尽管多云架构提供了一些潜在的性能优势,但它们也可能导致性能缺陷。企业混合使用的云平台越多,就越容易以产生性能瓶颈的方式将它们连接在一起,从而减慢了将它们托管在同一云平台中时运行工作负载的速度。...
相关文章
文章评论
共有0条评论来说两句吧...
文章二维码
点击排行
推荐阅读
最新文章
- CentOS7编译安装Gcc9.2.0,解决mysql等软件编译问题
- Docker快速安装Oracle11G,搭建oracle11g学习环境
- CentOS8编译安装MySQL8.0.19
- MySQL8.0.19开启GTID主从同步CentOS8
- SpringBoot2全家桶,快速入门学习开发网站教程
- CentOS7,CentOS8安装Elasticsearch6.8.6
- CentOS8,CentOS7,CentOS6编译安装Redis5.0.7
- Red5直播服务器,属于Java语言的直播服务器
- CentOS8安装MyCat,轻松搞定数据库的读写分离、垂直分库、水平分库
- SpringBoot2整合MyBatis,连接MySql数据库做增删改查操作