Като настоящ студент в магистърската степен по изкуствен интелект имах известни трудности с разбирането на основни алгоритми за машинно обучение (ML) и някои от лекциите в университета просто не бяха толкова полезни, колкото си мислех, че ще.
Затова реших да опитам нещо, което ще ми помогне в началото на ML и ще придобия основните познания, необходими за разбиране на някои по-сложни алгоритми. Започнах със специализация с Andrew Ng, един от най-големите умове в AI днес, в контролирано ML.
Трябваше да напиша този пост, защото след като гледах неговите уроци и внимателно слушах видеоклиповете му. Проследявайки лабораторните упражнения, които той предостави, разбрах, че някои неща биха могли да бъдат обяснени на лекциите ми в университета по по-прост начин, покривайки същото количество информация. Трябва да се отбележи, че Андрю прави всички свои теоретични обяснения свързани с практически знания, които за мен са повече от необходими, особено в области като изкуствения интелект (AI). Милиони други са преминали този курс и не е изненада, че повечето хора го намират за много образователен.
Завърших само първата си специализация и мога да гарантирам, че ще продължа с втората и третата, тъй като това помогна повече, отколкото очаквах. В този конкретен курс, „Надзорено машинно обучение: регресия и класификация“, Андрю обяснява ML и го дефинира чрез прилагане на основни алгоритми като линейна регресия, логистична регресия, градиентно спускане и други, които са много необходими, ако искате да сте в тази конкретна област . Всичко това е свързано с Jupyter Notebooks, които имат хубаво представяне на алгоритмите и как те се изпълняват в Python. Освен това са обяснени термини като прекомерно оборудване, недостатъчно оборудване, функция на разходите, функция на загубата и много други и в края на почти всеки видеоклип вие сте тествани за тяхното разбиране.
Освен това бих искал да спомена графичното представяне на видеоклиповете, които се използват. Лично визуалните елементи са много важни и особено когато трябва да научите нещо, което е „абстрактно“, това може да помогне за визуализирането на нещата и да ги направи по-лесни за запомняне, ако визуализацията е направена правилно, което в този случай е перфектно.
Спокоен, ефективен, разбираем и лесен за слушане. Кои са няколкото атрибута, които биха описали Андрю Нг и всеки, който ще представя нещо, по някакъв начин, образователен или професионален, трябва да си води бележки от този човек? Бих казал, че той е „музиката за ушите ми“.
Не на последно място, бих искал да благодаря на Coursera за предоставянето на този курс заедно с DeepMind и за това, че беше наистина полезна, като предостави финансова помощ на хора, които не са в добро финансово положение, но все пак искат да учат и да повишат знанията си.
Ето моя сертификат за този конкретен курс:
И ако искате да научите повече за машинното обучение, силно бих препоръчал да започнете оттук и да придобиете някои основни познания, за да можете да стимулирате вашето разбиране и бъдещи начинания.
