Есть много способов начать изучение машинного обучения. Можно разработать собственный учебный план и дорожную карту в качестве альтернативы прохождению курсов. Этот подход позволяет вам выбирать бесплатные или недорогие ресурсы в Интернете, которые подходят как для вашего стиля обучения, так и для вашего бюджета.
Однако, когда вы только начинаете свое путешествие в машинное обучение, часто может быть полезно пройти хотя бы краткий курс, который сначала проведет вас по основным понятиям. Это даст вам хороший базовый обзор области и облегчит разработку вашего собственного плана обучения, а затем вы сможете продолжить более глубокое самостоятельное обучение.
В Интернете доступно множество курсов по машинному обучению. Они варьируются от коротких видео до гораздо более длинных массовых открытых онлайн-курсов, и они могут значительно различаться по цене.
Я сторонница бесплатных учебных ресурсов, и, к счастью, есть несколько хороших бесплатных курсов по машинному обучению. В этой статье я поделюсь своими тремя любимыми бесплатными курсами. Каждый из них предлагает свой собственный взгляд на машинное и глубокое обучение и содержит различные типы контента, от видео до практических упражнений по программированию, поэтому новичку стоит изучить все три.
Если вы только начинаете изучать машинное обучение, я бы порекомендовал начать с курсов, описанных в этом посте. Они представлены здесь в том порядке, в котором я бы рекомендовала их изучать, и я также предоставила ссылки на некоторые дополнительные ресурсы, которые дадут вам предварительные знания, необходимые для последних двух курсов.
1. Подружитесь с машинным обучением
- Продолжительность: 6.5 часов
- Лучше всего подходит для: всех
- Основная тема: прикладное машинное обучение
Первоначально составленный как внутренний, курс Google был выпущен для широкой публики на YouTube в 2021 году. Это одновременно очень интересное введение в прикладное машинное обучение и исключительно практичное и удобное для начинающих руководство, понятное любому.
Вместо того, чтобы сосредотачиваться на теории или деталях реализации машинного обучения, курс направлен на то, чтобы дать общий обзор основных концепций. Это делает его доступным для всех, кто хочет получить представление о машинном обучении, а не только для технических специалистов.
Пройдя этот курс, вы получите представление о end-to-end машинном обучении, получите интуитивное представление о доступных алгоритмах, в том числе о том, как их следует использовать, и ознакомитесь с некоторыми реальными случаями использования машинного обучения.
Это, безусловно, один из лучших курсов по машинному обучению, которые я когда-либо видела. Он предлагает введение во все концепции, а также рассказывает про распространенные подводные камни и ловушки в применении машинного обучения в реальном мире. На мой взгляд, этот курс должен быть обязательным к просмотру для всех, кто работает или думает работать в области прикладного машинного обучения!
Если вы новичок в машинном обучении, я бы посоветовал начать с этого курса в качестве вашего первого знакомства. Не нужно никаких предварительных знаний, даже программирования, поэтому это идеальное место для начала. После того, как вы прошли этот курс, я рекомендую развить хотя бы базовые навыки программирования на Python, прежде чем переходить к курсам, рекомендованным в следующих частях этой статьи. Codecademy — отличное место для начала обучения программированию.
2. Ускоренный курс по машинному обучению
- Сайт: https://developers.google.com/machine-learning/crash-course
- Продолжительность: 15 часов
- Лучше всего подходит для: учащихся, которые могут программировать на Python и уже хорошо понимают линейную алгебру и статистику
- Основная тема: практическое машинное обучение
Этот относительно короткий курс охватывает широкий спектр тем в машинном обучении. Много практики, большая часть кода машинного обучения сосредоточена в API-интерфейсах TensorFlow.
Курс состоит из 25 уроков, каждый из которых посвящен определенной области машинного обучения. Содержание состоит из видеолекций, письменных руководств и практических упражнений. Упражнения представляют собой комбинацию коротких тестов для проверки вашего понимания концепций и практического программирования на платформе Collaboratory.
Курс охватывает большую часть теории машинного обучения, а также его практического применения. Рассматриваемые темы включают введение в TensorFlow, обучение и оценку моделей, алгоритмы, оптимизацию моделей, обобщение и глубокое погружение в нейронные сети. Он также включает в себя серию тематических исследований по машинному обучению и некоторый полезный контент по постановке задач, который редко встречается в курсах такого типа.
Это идеальный курс, который можно пройти после того, как вы усвоили высокоуровневые концепции машинного обучения и приобрели некоторый опыт программирования на Python. Также полезно иметь некоторое представление о линейной алгебре и статистике, поэтому, если вам нужно освежить в памяти эти предметы, сначала ознакомьтесь с некоторыми курсами на сайте KhanAcademy.org.
3. Практическое глубокое обучение для программистов
- Сайт: https://course.fast.ai/
- Продолжительность: 7 недель
- Лучше всего подходит для: учащихся с опытом программирования не менее одного года
- Основная тема: глубокое обучение
Глубокое обучение — это часть машинного обучения, и прохождение курса, который позволит глубже погрузиться в эту область, является идеальным продолжением курса Google. «Практическое глубокое обучение для программистов» от FastAI — отличное введение в глубокое обучение и, в частности, в нейронные сети.
Создатели этого курса заявляют, что их цель — «сделать глубокое обучение доступным как можно большему количеству людей». Курс в первую очередь предназначен для учащихся, которые уже знают, как писать код на Python. Он в значительной степени ориентирован на практическое введение и в каждом разделе предлагает доступные ноутбуки Jupyter вместе с видео. Поэтому вам следует пройти этот курс позже в вашем учебном приключении, когда у вас будет хотя бы один год опыта программирования.
Этот курс имеет отличную структуру, которая начинается с высокоуровневого введения в глубокое обучение, включая историю, а затем плавно переходит к более сложным темам. Вы узнаете, как обучать модели глубокого обучения, как их оптимизировать и запускать в прод.
Здесь также рассматриваются более специализированные области глубокого обучения: есть урок по совместной фильтрации и урок по обработке естественного языка (NLP).
Курсы по машинному обучению
В этом посте я поделился тремя бесплатными онлайн-курсами по изучению машинного обучения. Каждый из трех курсов охватывает различные аспекты области на относительно высоком уровне, выступая в качестве идеального введения.
Если вы только начинаете, следуя материалам, представленным в этой статье, вы получите прочные базовые знания, на основе которых вы сможете построить индивидуальную схему обучения. Подводя итоги, эти курсы следует принимать следующим образом:
- Подружитесь с машинным обучением — вежливое, занимательное введение в машинное обучение (программирование не требуется).
- Ускоренный курс по машинному обучению — подробный сквозной курс по машинному обучению, который научит вас создавать модели машинного обучения с помощью Python.
- Практическое глубокое обучение для программистов — фантастическое практическое введение в глубокое обучение.
После того, как вы прошли эти курсы, я бы рекомендовала почитать мои статьи, которые помогут вам разработать полный путь обучения. В Интернете доступно множество бесплатных или очень недорогих ресурсов, которые разовьют ваши знания в области науки о данных и машинного обучения.
Если вам интересно узнать больше об имеющихся ресурсах, я также ранее публиковала полный список бесплатных материалов, широко доступных в Интернете.