În acest capitol, vom defini machine learning-ul și relația sa cu știința datelor și inteligența artificială. Vom clarifica apoi terminologia importantă din domeniu și vom încheia cu fluxul de lucru pentru construirea modelelor de machine learning.

Ce este învățarea automată?

Generarea recomandărilor de filme

AI, știința datelor și învățarea automată intră într-un bar...

Ce este adevărat despre învățarea automată?

Concepte de machine learning

Terminologia din învățarea automată

Supervizat vs. nesupervizat

Fluxul de lucru în învățarea automată

Pașii pentru construirea unui model

Un pas adevărat

Ce este Machine Learning?

Acum că știi elementele de bază ale machine learning-ului, hai să aprofundăm puțin mai mult. La sfârșitul acestui capitol, vei cunoaște diferitele tipuri de machine learning, precum și cum să evaluezi și să îmbunătățești modelele tale.

Învățare supervizată

Încălzire

Sarcini

Clasificare

Regresie

Regresie și clasificare

Învățare nesupervizată

Supervizat

Nesupervizat

N-avem nevoie de supraveghere

Explorarea clusterelor

Evaluarea performanței

Adevărat

Fals

Adevărat sau fals?

Tărâmul confuziei

Îmbunătățirea performanței

Opțiuni

Reglarea hiperparametrilor

Reducerea dimensionalității

Metode de ansamblu

Drumul spre performanță

Explorează ajustarea hiperparametrilor

Modele de Machine Learning

În acest capitol, vom explora învățarea profundă, începând cu rețelele neuronale. Vom analiza apoi două cazuri de utilizare frecvente: viziunea computerizată și procesarea limbajului natural. Vom încheia cursul discutând despre limitele și riscurile machine learning-ului.

Învățare profundă

Ce este învățarea profundă?

Ar trebui să folosesc învățarea profundă?

Vedere computerizată

Date de tip imagine

Procesul

Procesarea limbajului natural

Analiza sentimentelor

Clasificarea sarcinilor de învățare automată

Sac de cuvinte

Limitele învățării automate

Cutie neagră sau nu?

Identificarea părtinirii în predicția incapacității de plată a creditelor

Felicitări!

Course Glossary: Understanding Machine Learning

Ce se ascunde în spatele entuziasmului pentru machine learning? În acest curs non-tehnic, vei afla răspunsuri la toate întrebările pe care poate nu ai îndrăznit să le pui despre machine learning. Nu este nevoie de programare. Exercițiile practice te vor ajuta să depășești jargonul și să înțelegi cum această tehnologie fascinantă stă la baza a tot – de la mașinile autonome până la recomandările personalizate de pe Amazon.

Cum funcționează machine learning-ul, când îl poți folosi și care este diferența dintre inteligența artificială și machine learning? Toate acestea sunt acoperite în curs. Dobândește competențe într-un domeniu extrem de căutat și influent și descoperă de ce machine learning-ul este accesibil tuturor!

Videourile conțin transcrieri în timp real, pe care le poți accesa făcând clic pe „Afișează transcrierea" în colțul din stânga jos al videourilor.

Glosarul cursului se află în dreapta, în secțiunea de resurse.

Pentru a obține credite CPE, trebuie să finalizezi cursul și să obții un scor de 70% la evaluarea calificată. Poți naviga la evaluare făcând clic pe bannerul CPE din dreapta.

<h2>Obțineți o introducere în conceptele de machine learning</h2> 
Ce se află în spatele entuziasmului pentru machine learning? În acest curs non-tehnic, vei învăța tot ce ți-a fost prea teamă să întrebi despre machine learning. Nu este necesară nicio programare.
<br><br>
Vei explora concepte de bază, dar esențiale, pentru a-ți începe călătoria în machine learning, folosind exerciții practice pentru a-ți consolida cunoștințele. Aceasta include dezvoltarea unei înțelegeri dincolo de jargon și învățarea modului în care această tehnologie captivantă alimentează totul, de la mașinile autonome până la sugestiile tale personale de cumpărături de pe Amazon. 
<br><br>
<h2>Explorează bazele învățării automate</h2> 
Cum funcționează învățarea automată, când o poți folosi și care este diferența dintre AI și învățarea automată? Acest curs acoperă toate aceste subiecte.
<br><br>
Vei începe prin a înțelege ce este machine learning, explorând definiția sa de bază și relația sa cu data science și inteligența artificială. Apoi, vă veți familiariza cu vocabularul său și veți încheia cu fluxul de lucru de machine learning pentru construirea modelelor.
<br><br>
Încheiem cursul aprofundând mai mult în deep learning. Vei explora două cazuri de utilizare comune pentru deep learning: computer vision și procesarea limbajului natural (NLP), și vei înțelege limitele și pericolele machine learning-ului.

Cursul de două ore introduce concepte esențiale de ML: vocabular, modele și deep learning.

Înțelegerea Machine Learning-ului

Introducere în machine learning fără codare.

Fundamentele AI

Înțelegerea subiectelor de date

Matricele de confuzie sunt folosite pentru evaluarea performanței clasificării.

Evaluarea performanței unui model de învățare nesupervizată este mai dificilă și depinde de obiectivele tale inițiale.

Un Fals Pozitiv este o valoare prezisă ca pozitivă, deși în realitate este negativă.

Acuratețea este întotdeauna o metrică informativă și utilă.

Un Fals Negativ este o valoare prezisă ca pozitivă, deși în realitate este negativă.

Adevărat sau fals?

Înțelegerea Machine Learning-ului

Exercițiu interactiv practic