В прошлом месяце 17 февраля я прошел специализацию Google Машинное обучение с TensorFlow на облачной платформе Google на Coursera. Раньше я изучал и практиковал Data Science и Machine Learning у местного наставника и нескольких онлайн-ресурсов, а также был хорошо знаком с концепциями программирования Python и машинного обучения. Если вы не знаете об этом, я настоятельно рекомендую вам хотя бы изучить Python, а затем пройти специализацию.
Для этой специализации не требуется никаких предварительных знаний об облаке, машинном обучении или TensorFlow. Но некоторые базовые знания могут помочь, особенно если вы хотите сэкономить. Как я сэкономил деньги? Дойдем до этого позже.
Специализация включает 5 курсов. По окончании каждого курса вы получите сертификат Google Cloud, выданный Coursera. Вы также можете проходить курсы отдельно вместо специализации.
Специализация начинается с обучающих программ, викторин и лабораторных занятий, но по мере продвижения лабораторные работы разочаровывают и чувствуют, что код навязывают вам. Если вы планируете завершить курс как можно скорее, это будет больше рутиной, чем учеба. Специализация также, похоже, сосредоточена на внедрении Google Cloud Platform в вашем бизнесе, а не на обучении студентов.
Курс 1. Как Google использует машинное обучение
Этот короткий курс служит отличным введением в ML и то, чего Google пытается с его помощью достичь. Этот курс отлично объясняет, почему машинное обучение может так преобразить их бизнес. Поскольку я был знаком с этим заранее, меня это не сильно заинтриговало. Но подойдет новичкам
Курс 2: Начало машинного обучения
Этот курс в основном охватывал основы машинного обучения, такие как функция потерь, общие алгоритмы, нейронные сети и т. Д. Опять же, я уже был знаком с этими темами, у меня не было для меня много новой информации, кроме BigQuery и нескольких лучших практик. Но определенно важно для новичков.
Курс начнется с создания виртуального экземпляра в GCP и создания таблиц данных. Этот курс научит вас многократно разделять данные на обучающие и тестовые наборы. Раньше я использовал функции, которые используют случайные числа для разделения данных, и не задумывался над этим дважды. Однако, если вы работаете в команде или позже захотите повторно запустить модель на обновленном наборе данных, вам понадобится способ сделать это, чтобы каждый раз давать одно и то же разбиение. Метод, который они используют, состоит в том, чтобы создать хеш-значение одной из переменных с помощью функции FARM_FINGERPRINT, разделить либо на 10, либо на количество требуемых подмножеств, а затем использовать остаток для разделения.
Курс 3: Введение в TensorFlow
Здесь все становится более техническим, и начинается кодирование. Это мой самый любимый курс. Это поможет вам начать работу с TensorFlow, а также создавать и обучать модели в облаке.
Лабораторные работы по этому курсу не приносят особого удовольствия. Весь код доступен в виде записной книжки. Это просто сценарий «беги и наблюдай». Короче говоря, этих лабораторий вообще недостаточно для освоения TensorFlow.
Курс 4: Разработка функций
Это поможет вам предварительно обработать данные еще до того, как приступить к построению и обучению моделей. это поможет вам проиллюстрировать важность правильного представления функций. В этом курсе также есть отличные руководства по использованию Apache Beam on Cloud Dataflow для предварительной обработки.
В целом курс отличный, и он был наполнен для меня неизвестными темами. Но та же проблема с лабораториями.
Курс 5: Искусство и наука машинного обучения
Этот курс посвящен настройке и упорядочению модели, чтобы получить от нее лучшие результаты. Вторая часть курса посвящена нейронным сетям и их обучению. Также есть отличные руководства по встраиванию и настраиваемым оценщикам.
Расходы
Стоимость специализации составляет 3461 в месяц. Итак, лучший способ сэкономить - как можно быстрее пройти специализацию. Я прошел специализацию всего за 20 дней. Это было возможно только потому, что я уже был знаком со многими концепциями, но даже вы можете сделать это, заранее подготовившись и просмотрев видеоуроки на 2-кратной скорости. Опять же, это стало возможным для меня, потому что я привык смотреть часовые уроки онлайн на высокой скорости. Если вы не привыкли к этой скорости, я бы посоветовал начать со скорости 1,25 или 1,5.
Помните, что экономия средств не должна быть вашей основной целью. Развитие навыков и знаний должно быть приоритетом, а затем, по возможности, сокращением затрат.
Вердикт
Курс отлично подходит для бизнеса, уже знакомого с машинным обучением и желающего создавать модели для бизнеса. Я приехал сюда, чтобы повысить свои навыки и вывести мою практику машинного обучения на новый уровень с помощью GCP, что я определенно сделал, но я думаю, что курс должен был предложить больше.
В целом специализация великолепна и предлагает идеи и передовые практики для машинного обучения. Если вы ищете что-то, чему можно научиться, или сертифицированную программу, которая поможет вам создать свой профиль, эта специализация определенно вам подойдет.