Ich habe bereits im Jahr 2020 begonnen, KI und ML zu lernen. Allerdings fiel mir das Lernen damals nicht leicht. Additionally fing ich an, Webentwicklung zu lernen. Nach etwa zwei Jahren versuchte ich erneut, ML zu lernen, indem ich einigen Tutorials folgte. Dieses Mal habe ich mehrere Tage und Monate damit verbracht, einen besseren Weg zu finden, ML von Grund auf zu lernen. Schließlich habe ich einen Kurs von Andrew Ng gefunden. Es ist nicht derselbe Kurs, den ich im Jahr 2021 apathisch fand. Jetzt wurde er aktualisiert und ist eine Spezialisierung auf maschinelles Lernen bei Coursera.
Es gibt drei Kurse:
- Überwachtes maschinelles Lernen: Regression und Klassifizierung
- Erweiterte Lernalgorithmen
- Unüberwachtes Lernen, Empfehlungen, verstärkendes Lernen
Im ersten Kurs der Spezialisierung auf maschinelles Lernen habe ich Folgendes gelernt:
- Erstellen Sie Modelle für maschinelles Lernen in Python mithilfe der beliebten Bibliotheken für maschinelles Lernen NumPy und scikit-learn.
- Erstellen und trainieren Sie überwachte Modelle für maschinelles Lernen für Vorhersage- und binäre Klassifizierungsaufgaben, einschließlich linearer Regression und logistischer Regression
Im zweiten Kurs der Spezialisierung auf maschinelles Lernen habe ich Folgendes gelernt:
- Erstellen und trainieren Sie mit TensorFlow ein neuronales Netzwerk, um eine Klassifizierung mehrerer Klassen durchzuführen
- Wenden Sie Finest Practices für die Entwicklung maschinellen Lernens an, damit Ihre Modelle auf Daten und Aufgaben in der realen Welt verallgemeinert werden können
- Erstellen und verwenden Sie Entscheidungsbäume und Baumensemble-Methoden, einschließlich Zufallswäldern und verstärkten Bäumen
Im dritten Kurs der Spezialisierung auf maschinelles Lernen habe ich Folgendes gelernt:
- Nutzen Sie unüberwachte Lerntechniken für unüberwachtes Lernen: einschließlich Clustering und Anomalieerkennung
- Erstellen Sie Empfehlungssysteme mit einem kollaborativen Filteransatz und einer inhaltsbasierten Deep-Studying-Methode
- Erstellen Sie ein tiefgreifendes Reinforcement-Studying-Modell
Es ist eigentlich ein anfängerfreundliches Programm; Ich habe die Grundlagen des maschinellen Lernens kennengelernt und gelernt, wie man diese Techniken nutzt, um reale KI-Anwendungen zu erstellen.
Es bietet eine umfassende Einführung in das moderne maschinelle Lernen, einschließlich
- Überwachtes Lernen (a number of lineare Regression, logistische Regression, neuronale Netze und Entscheidungsbäume)
- Unüberwachtes Lernen (Clustering, Dimensionsreduktion, Empfehlungssysteme)
- Einige der Finest Practices, die im Silicon Valley für Innovationen im Bereich künstliche Intelligenz und maschinelles Lernen verwendet werden (Bewertung und Optimierung von Modellen, datenzentrierter Ansatz zur Leistungsverbesserung und mehr)
Am Ende der Spezialisierung beherrschte ich Schlüsselkonzepte und erlangte das praktische Know-how, um maschinelles Lernen schnell und wirkungsvoll auf anspruchsvolle Probleme in der realen Welt anzuwenden. Wenn Sie in die KI einsteigen oder eine Karriere im Bereich maschinelles Lernen aufbauen möchten, ist die neue Spezialisierung auf maschinelles Lernen der beste Ausgangspunkt.
Warten Sie bis zum nächsten Artikel
