6 hilfreiche Tutorials und Kurse zum maschinellen Lernen, um die Grundlagen zu verstehen

Maschinelles Lernen ist die Zukunft der Automatisierung. Millionen von täglich von Menschen ausgeführten Aufgaben werden schließlich durch trainierte neuronale Netzwerke ersetzt. Maschinelle Lernalgorithmen prägen Ihr Leben bereits jetzt.

Der Arbeitsmarkt verschiebt sich, um diese neue Technologie unterzubringen, und diejenigen, die in der Lage sind, ihre eigenen Netzwerke zu programmieren (oder sich in bestehende Netzwerke zu integrieren), sind sehr gefragt.

Es gab noch nie einen besseren Zeitpunkt, um in maschinelles Lernen einzutauchen. Hier finden Sie sechs nützliche Lernprogramme und Ressourcen, die Ihnen das Lernen über maschinelles Lernen erleichtern.

1. Der Codierzug

Jeder, der mit dem YouTube-Kanal von Daniel Shiffman vertraut ist, wird über seine hervorragenden Tutorials zu Verarbeitung und p5.js Bescheid wissen. Dank seines unterhaltsamen Unterrichts in Echtzeit haben unzählige Menschen die Grundlagen des Codierens gelernt.

Neben seinen vielen Kodierungsherausforderungsvideos zu einzelnen Themen hat Shiffman auch eine unglaublich gründliche Playlist für maschinelles Lernen.

Diese Videos sind besonders nützlich für diejenigen, die Java oder JavaScript als Hauptsprache erlernen möchten. Glücklicherweise gelten die in der Serie behandelten Konzepte für jede Sprache Ihrer Wahl.

The Nature of Code, Shiebmans beliebtes Buch, widmete sein letztes Kapitel neuronalen Netzwerken. Es ist allein eine hervorragende Einführung in das Feld. Die Arbeit wurde sowohl im YouTube-Kanal von The Coding Train als auch auf seiner persönlichen GitHub-Seite fortgesetzt.

Die große Stärke, auf diese Weise zu lernen, ist Daniel Shiffman. Als natürlicher Lehrer gibt er klare Beispiele dafür, wie Code mit Algorithmen für maschinelles Lernen interagiert.

2. Crash-Kurs für maschinelles Lernen

Google sind große Akteure beim maschinellen Lernen. Ihre Tensorflow-Open-Source-Plattform soll das Thema in einer Vielzahl von Programmiersprachen für jedermann zugänglich machen.

Google bietet auch einen eigenen kostenlosen Machine Learning Crash-Kurs an, der sowohl die Grundlagen des maschinellen Lernens als auch die Verwendung von Tensorflow über APIs vermittelt.

Zu jedem Kapitel des Kurses gehören Videovorträge sowie der vollständige Text, um den Inhalt zu unterstützen. Wie erwartet ist dies ein unglaublich detaillierter Lehrplan. Der Kurs bietet auch interaktive “Programmier-Herausforderung” Seiten, auf denen der Code dynamisch im Browser angezeigt wird, wo er sowohl ausgeführt als auch modifiziert werden kann, bevor Codierungsherausforderungen zum besseren Verständnis des Moduls bereitgestellt werden.

Der Lehrplan beinhaltet auch “Spielplatz-Übungen” und Chancen zu “Überprüfen Sie Ihr Verständnis”, interaktive Visualisierungen von Prinzipien des maschinellen Lernens und Fragen zum aktuellen Thema.

Es ist kaum verwunderlich, dass Google in diesem Bereich führend ist, und für einen kostenlosen Kurs ist dieser Bereich sehr umfangreich!

3. Siraj Raval

Zwar gibt es viele großartige YouTube-Lehrer, aber nur wenige erhalten die Ausgewogenheit von hervorragender Präsentation, klarer Erklärung der Themen und vor allem Memes, ganz so wie Siraj Raval.

Sein YouTube-Kanal konzentriert sich hauptsächlich auf die Programmiersprache Python und viele Prinzipien, die für moderne Datenwissenschaft und maschinelles Lernen unerlässlich sind. Siraj hat eine Playlist mit leicht zu verfolgenden Videos zum Thema neuronale Netzwerke und maschinelles Lernen. Die Variation zwischen schnellen Einzelmotivvideos und der längeren Projektarbeit im Live-Stream-Stil decken beide Grundlagen ab und zeigen, wie sie auf Daten angewendet werden können.

Der Kanal von Siraj ist besonders nützlich für diejenigen, die bereits Python lernen. Wenn Sie die Sprache lernen möchten, sind diese grundlegenden Python-Beispiele 10 Grundlegende Python-Beispiele, die Ihnen beim Lernen helfen werden Beispiele sind für diejenigen, die bereits Programmiererfahrung haben und einfach so schnell wie möglich auf Python umsteigen möchten. Lesen Sie mehr, um die Grundlagen zu erlernen.

4. Neuronale Netze und Deep Learning

Während Video-Tutorials eine großartige Möglichkeit zum Lernen sind, ziehen manche Leute es vor, aus einem Buch zu lernen. Neuronale Netze und Deep Learning von Michael Nielsen eignen sich nicht als gedrucktes Buch, da es eingebettete Beispiele für den Browser verwendet. Es ist jedoch die klarste schriftliche Erklärung nicht nur zur Geschichte des maschinellen Lernens, sondern auch zum Erlernen der Mathematik hinter neuronalen Netzwerken.

Das Buch folgt einem Zeichenerkennungsprojekt von Anfang bis Ende. Das Tempo ermöglicht es dem Leser zu verstehen, wie und warum das Netzwerk lernt, zusammen mit den Entscheidungen und Herausforderungen, mit denen es ein funktionierendes neuronales Netzwerk zu tun hat.

Wieder ist Python die Sprache der Wahl, obwohl die Grundlagen hier so ausführlich behandelt werden, dass es für alle empfohlen wird, die sich für das maschinelle Lernen interessieren.

5. Udacity Nanodegrees für maschinelles Lernen

Es gibt mehrere vertiefende “Nanodegrees” verfügbar auf Udacity für maschinelles Lernen. Der sehr empfohlene Kurs "Werde zum Machine Learning Engineer" ist ein vertiefender Kurs, der den Schüler durch Projektarbeit zu den Prinzipien des maschinellen Lernens führt.

Jedes Projekt ist so konzipiert, dass es etwas simuliert, dem ein Ingenieur bei seiner Arbeit begegnen würde. Für den Kurs registrierte Teilnehmer erhalten Zugriff auf Amazon Web Services (AWS), um ihre Projekte bereitzustellen.

Der Kurs kostet 899 US-Dollar und ist für viele Menschen nicht billig, aber der Nutzen einer Beziehung zu Ihren Tutoren zusammen mit den durch den Kurs bereitgestellten Tools ist für viele von unschätzbarem Wert.

6. Erstellen Sie ein gemischtes Curriculum

Während alles auf dieser Liste bis jetzt für fortgeschrittenes Lernen perfekt ist, werden viele Menschen selbst die Grundlagen schwierig finden. In diesem Fall kann die Erstellung eines eigenen gemischten Lehrplans eine gute Möglichkeit sein, alle Lücken zu schließen und eine solide Wissensbasis zu schaffen, die sich weiterentwickelt.

Benutzer reddit pk7677 antwortete auf einen Beitrag zu / r / MachineLearning mit einigen weisen Ratschlägen:

Im vollständigen Beitrag wird empfohlen, Ihre eigenen persönlichen Projekte zu erstellen. Sie sollten auch neue und sich entwickelnde Bereiche des Feldes im Auge behalten.

Deep Learning für maschinelles Lernen

Welche Methode Sie auch beim maschinellen Lernen anwenden, seien Sie auf eine lange Reise vorbereitet. Das Thema ist von Natur aus unglaublich dicht.

Die Popularität des maschinellen Lernens hat enorm zugenommen, was auf Verbesserungen der Rechenleistung und der Informatik zurückzuführen ist. Es gibt keine einfachen Wege in die Theorie dahinter. Jetzt ist es an der Zeit, sich mit zukunftssicheren Programmiersprachen auseinanderzusetzen.

Wenn Sie ein Anfänger sind, wählen Sie eine Anfänger-freundliche Programmiersprache. 6 Einfachste Programmiersprachen zum Erlernen für Anfänger 6 Einfachste Programmiersprachen zum Erlernen für Anfänger Beim Programmieren lernen Sie, die richtige Sprache zu finden, ebenso wie den Erbauungsprozess. Hier sind die sechs einfachsten Programmiersprachen für Anfänger. Lesen Sie mehr, bevor Sie sich mit maschinellem Lernen beschäftigen. Vergessen Sie nicht, unseren Vergleich von Deep Learning, Machine Learning und AI Deep Learning vs. Machine Learning vs. AI: Wie gehen sie zusammen? Deep Learning vs. Machine Learning vs. AI: Wie passt das zusammen? Versuchen, den Unterschied zwischen künstlicher Intelligenz, maschinellem Lernen und tiefem Lernen herauszufinden? Hier ist was sie alle bedeuten. Weiterlesen . Lernen Sie weiter und viel Glück!

Erfahren Sie mehr über: Maschinelles Lernen, Online-Kurse.