[PYTHON] Obwohl ich wusste, dass der Kurs für maschinelles Lernen im Beispiel gut war, habe ich ihn zwei Jahre lang durchlaufen, aber er war immer noch gut

Neulich habe ich den Kurs "Maschinelles Lernen" auf der Online-Lernseite Coursera abgeschlossen. Dies war die beste Studie, aber für diejenigen, die sich für maschinelles Lernen interessieren und anfangen, Informationen zu sammeln, wird die Geschichte " Courseras Kurs für maschinelles Lernen wird empfohlen </ b>"

"Ja, ich weiß </ font>"

Ist es nicht wie </ b>?

(Wenn Sie beispielsweise nach Qiita suchen, finden Sie die folgenden sehr beliebten Artikel zum Kurs.)

Ich denke, das ist es, was ich seit ungefähr zwei Jahren mache, während ich von Leuten und Artikeln oft zum gleichen Kurs empfohlen werde.

Vor ungefähr zwei Monaten, als ich diesen Kurs zufällig begann, denke ich, dass er der beste Ruf war, und gleichzeitig wusste ich, dass dieser Kurs gut wie ich war, aber durch Ich habe mich gefragt, ob es viele Leute gibt, die es weiterhin tun </ font>, und während ich die "Gründe für das Nicht-Tun" </ b> auflistete, die in meinem Gehirn waren (wenn auch laut), "Nein, <b. > Trotzdem sollten Sie es tun </ b> ".

Das Niveau der "Stanford-Klasse" scheint hoch zu sein

Egal wie viel Sie sagen "Einführung" in die Klasse an der Stanford University, dem höchsten Gipfel der Welt

"Es ist eine Einführung auf hohem Niveau, nicht wahr?"

Ich dachte. Selbst wenn Sie ein technisches Buch lesen, werden Sie die Gefühle von jemandem nicht verstehen, der Ihnen überhaupt nicht in den Sinn kommt.

Nein, diese Klasse kann von Affen verstanden werden.

... ich kann nicht sagen </ font> </ b>.

Immerhin kommen viele Formeln heraus und ich verstehe nicht, was ich sage. Ich fühle mich schläfrig. Aber zumindest benötigen Sie nicht die besten Voraussetzungen der Welt, um sich in Stanford einzuschreiben.

Wenn Sie Mathematik und Programmieren auf High-School-Niveau können, ist dies als Grundvoraussetzung ausreichend, und Dr. Andrew ist verrückt, die Bedeutung mathematischer Formeln zu erklären. Ab dem Punkt, an dem die Begriffe abgeschnitten und vereinfacht werden, erklären sie die Art der Formel in der richtigen Reihenfolge und sprechen darüber, wie nützlich sie beim maschinellen Lernen ist, sodass ein Gefühl der Überzeugung und des Hungers besteht. ..

Und manchmal: " Auch wenn Sie die Bedeutung dieser Formel nicht verstehen, kann maschinelles Lernen mithilfe einer Bibliothek durchgeführt werden, die von einer großartigen Person </ font> implementiert wurde. Es ist also in Ordnung </ b>." Ich werde es dir auch sagen. Überall fühle ich mich als Lehrer, der die Gefühle von Menschen versteht, die nicht verstehen.

Englisch lernen über ein Gebiet, das Sie nicht verstehen ...

Es gibt japanische Untertitel </ b> in der ganzen Geschichte. Es ist nicht das unangenehme Japanisch der automatischen Übersetzung, sondern das natürliche Japanisch von Freiwilligen.

Zuerst hatte ich das Gefühl, dass " das Anschauen von englischen Videos mit japanischen Untertiteln etwas war, das ich verloren habe </ font>" "Das Anschauen auf Englisch hat mir auch geholfen, Englisch zu lernen, zwei Fliegen mit einer Klappe" Es gab auch eine seltsame Verpflichtung, aber

――Die erste Entscheidung ist, maschinelles Lernen zu lernen ―― (auf Englisch) Wenn die psychologische Hürde hoch wird und Sie die Vorlesung beenden, fallen Sie hin

Ich öffnete wieder und sah alles auf Japanisch.

Seitdem sind verschiedene Online-Kurse erschienen, und ich denke, es gibt etwas Besseres.

Ich weiß nicht, wann es diesen Kurs gegeben hat, aber ich denke, es war bereits 2012. Heutzutage werden einige Kurse von Anfang an auf Japanisch von Japanisch erklärt, einige behandeln tiefes Lernen und einige sind hoch bewertet.

Eines der großartigen Dinge an diesem Kurs ist, dass Dr. Andrews Erklärungen leicht zu verstehen und praktisch sind, aber natürlich auch gut.

Wöchentliche Programmieraufgaben sind erforderlich </ font> </ b>

In dieser Hinsicht fand ich es überwältigend besser als andere Online-Kurse.

Sie müssen das neuronale Netzwerk oder Empfehlungssystem, das Sie im Video gelernt haben, implementieren </ b> und es wöchentlich einreichen [^ 1].

[^ 1]: Es wird automatisch sofort bewertet

Das ist wirklich toll

――Selbst wenn Sie das Video nicht gut verstehen, können Sie es gut verstehen, indem Sie das Programm selbst schreiben. ――Selbst wenn Sie glauben, Sie könnten das Video verstehen, wenn Sie das Programm selbst schreiben, kann der Teil, in dem das Verständnis nicht eindeutig war, hervorgehoben werden </ b>. ――Sie können sicher sein, dass " ich dies nicht mehr implementieren kann </ b>"

Ich hatte das Gefühl, dass es die Wirkung hatte. Ich habe dieses Format in anderen Online-Kursen nicht so oft gesehen, und ich denke sogar, dass es ohne das Video keinen Sinn ergibt, egal wie gut es ist [^ 2].

[^ 2]: Außer denen, die ihre Hände bewegen und lernen können, ohne als Hausaufgabe belastet zu werden

Übrigens, in letzter Zeit wurde das Buch "Deep Learning von Grund auf neu" sehr gut aufgenommen, und ich denke, viele Menschen haben von Grund auf neu angefangen / wollen von Grund auf lernen.

Deep Learning von Grund auf - die Theorie und Implementierung des in Python erlernten Deep Learning
gepostet mit amazlet am 17.02.07
Yasuki Saito
O'Reilly Japan
Verkaufsrang: 65
Siehe Details auf Amazon.co.jp

Ich habe es kürzlich gekauft und gelesen und dachte, dass dieser Coursera-Kurs für maschinelles Lernen auch etwas enthält, das zur Güte des Konzepts "Hände bewegen und selbst implementieren" in diesem Buch führt. Wie oben erwähnt, implementieren Sie alles, was Sie gelernt haben </ b>.

Übrigens denke ich persönlich, dass dieses Buch und Courseras Kurs für maschinelles Lernen (obwohl einige Teile behandelt werden müssen) verschiedene Bereiche abdecken, sodass es keinen Verlust gibt, beides zu tun </ b>. Das Deep Learning-Buch ist wie das Erlernen der elementaren Techniken / Kenntnisse, um Deep Learning in kürzester Entfernung zu erreichen, aber der Coursera Machine Learning-Kurs behandelt eher die Grundlagen des maschinellen Lernens im weiteren Sinne. [^ 3]

[^ 3]: Ich persönlich dachte, es wäre einfacher zu verstehen, wenn ich Coursera zuerst und später in diesem Buch machen würde (überspringen, was ich bereits weiß).

Ich möchte es in Python anstelle von Octave tun

Viele Leute vermeiden es möglicherweise, wenn sie fragen: "Wenn Sie jetzt maschinell lernen, ist es Python, und warum Octave ...?"

Natürlich habe ich auch Octave zum ersten Mal berührt, und ich denke, dass ich es nicht mehr berühren werde als diesen Kurs, aber es gab fast keinen Aufwand, Octaves einzigartige Verwendung und Notation zu lernen </ b> Überlegen. Es gibt ein Video über die Verwendung von Octave in den frühen Stadien, aber ich habe das meiste davon übersprungen und jedes Mal gegoogelt, wenn ich es zum Testen und für Aufgaben benötigte.

Die Implementierung, die ich in der Programmieraufgabe durchgeführt habe Ich verstehe den Inhalt selbst </ b> (welche Art von Funktion wird verwendet und warum ich eine solche Berechnung durchführe), also werde ich < font color = "Red"> Einfache Portierung in andere Sprachen und Frameworks </ font> </ b> Ich denke schon.

Ich bin gerade beschäftigt, also beruhige dich ...

Einige von Ihnen haben vielleicht so weit gelesen und gedacht: "Es sieht gut aus." Aber zur gleichen Zeit, denke ich, gibt es viele Leute, die denken: "Ich bin gerade beschäftigt, also werde ich es tun, wenn ich ruhig bin." Ich habe jeden Tag Arbeit und Ingenieure müssen noch viel mehr lernen.

Ich war das gleiche Ich war sehr beschäftigt mit Arbeit und Privatleben, und es gab andere Fähigkeiten, die ich priorisieren sollte, um zu lernen.

"Es sollte ruhiger sein als jetzt in ungefähr einem Monat, also um diese Zeit ..."

Ich dachte, aber plötzlich änderte ich meine Meinung, als ich den Lehrplan des Kurses sah.

  • https://www.coursera.org/learn/machine-learning#syllabus

Ich dachte "Ich möchte ** neuronale Netze ** richtig verstehen", aber in diesem Kurs habe ich in WOCHE 4, 5 etwas über neuronale Netze gelernt. Angenommen, Sie haben einen Monat später mit dem Kurs begonnen, können Sie einen Monat später ordnungsgemäß fortfahren und die Grundlagen neuronaler Netze erlernen.

Während dieses maschinelle Lernen / Deep Learning boomte, war ich schockiert, dass ** ich nicht einmal für mindestens zwei weitere Monate am Startpunkt sein würde </ font> **. Ich beschloss sofort zu beginnen.

Zuerst habe ich mich nicht darauf konzentriert, es fertigzustellen, also habe ich plötzlich darüber nachgedacht, nur das Kapitel über neuronale Netze zu schreiben. Der Lehrplan dieses Kurses ist jedoch ** darauf ausgelegt, Wissen aufzubauen **, und das in der frühen "linearen Regression" und "logistischen Regression" erlernte Wissen wurde auf jeden Teil der nachfolgenden Kapitel bezogen. Ich bin froh, dass ich es von Anfang an getan habe.

Tipps zum Fortfahren

Ich empfehle diesen Weg, aber Ich habe keine konkreten Pläne, etwas mit maschinellem Lernen zu tun, und meine Arbeit und mein Privatleben sind normalerweise beschäftigt </ font>. Tatsächlich denke ich, dass es ziemlich schwierig ist, das Rennen zu beenden.

Ich dachte, dass die erste Woche so etwas wie "Geschichte des maschinellen Lernens" sein würde, also fing ich zunächst beiläufig an, aber plötzlich ist das erste oder zweite Video eine mathematische Formel. Ich erinnere mich, dass es mir schwer gefallen ist, herauszukommen. Ich bin normalerweise schwer </ b>.

Trotzdem denke ich, dass es drei Gründe gibt, warum ich fortfuhr, also werde ich es als Referenz schreiben.

1. Es gab ein Zwischenziel

Zuerst hatte ich nicht vor, das Rennen zu beenden, also dachte ich, ich würde es bis zur 5. Woche des neuronalen Netzwerks tun.

Also habe ich es bis zur 5. Woche gemacht und wollte kein Abschlusszertifikat, also hätte ich es stoppen können, aber es gab einige Dinge, die ich lernen wollte, wie "Dimensionsreduzierung" und "Empfehlungssystem" im Lehrplan danach Ich fragte mich, ob ich es noch ein bisschen versuchen sollte.

Als ich es bis zur 8. Woche tat, bemerkte ich, dass in der letzten 10. und 11. Woche keine Programmieraufgaben hatte </ font>. Wenn Sie noch zwei Wochen Ihr Bestes geben, beenden Sie das Rennen! Wann.

Es ist eine Geschichte, dass ich das Rennen beenden konnte, während ich mir das Zwischenziel ansah.

2. Mir war bewusst, dass ich, wenn ich frustriert wäre, für den Rest meines Lebens nicht online lernen könnte.

Aufgrund meiner Natur ist es </ font> </ b> nicht gut, wenn einen Präzedenzfall für das Brechen meines Willens geschaffen hat. Das wird zum Standard.

"Ich bin diese Woche sehr beschäftigt, aber wenn ich auch nur eine Woche überspringe, werde ich diesen Kurs nicht mehr machen."

"Wenn Sie diesen Kurs nicht beenden, , werden Sie für den Rest Ihres Lebens keinen Online-Kurs beenden </ font>."

Es mag extrem erscheinen, aber da ich seit fast 40 Jahren lebe und es so war: "Ich kann es mir nicht leisten, die wertvolle Lernoption von Online-Kursen hier </ b> zu verlieren." In diesem Sinne ging ich in der zweiten Hälfte weiter.

3. Ich ging mäßig weiter

Zum Beispiel (wie oben erwähnt) habe ich das Octave-Schreibvideo übersprungen, den gesamten Textkommentar und das PDF in der ersten Hälfte übersprungen und das "optionale" Problem der Programmieraufgaben gnadenlos übersprungen. Es besteht kein Zweifel, dass Sie es tun sollten, aber es ist besser, vorwärts zu gehen, als zu frustrieren.

Zusammenfassung

Deshalb empfehle ich Courseras "Maschinelles Lernen"!

  • https://www.coursera.org/learn/machine-learning

Recommended Posts