机器学习的艺术和科学 – 西班牙语版

Art and Science of Machine Learning en Español

864 次查看
Google 云端平台
Coursera
  • 完成时间大约为 11 个小时
  • 中级
  • 西班牙语, 法语, 葡萄牙语, 德语, 英语, 日语, 其他
注:本课程由Coursera和Linkshare共同提供,因开课平台的各种因素变化,以上开课日期仅供参考

课程概况

Bienvenido al curso The Art and Science of Machine Learning. En este curso, adquirirá las competencias básicas de intuición de AA, evaluación de modelos de AA y experimentación con ellos para realizar los ajustes y optimizaciones correspondientes a fin de obtener el mejor rendimiento posible.

También aprenderá los mecanismos necesarios para entrenar modelos. Primero, los ajustará manualmente para observar los efectos en el rendimiento. Una vez que se familiarice con los valores que puede cambiar, denominados hiperparámetros, aprenderá a ajustarlos automáticamente con Cloud Machine Learning Engine en Google Cloud Platform.

课程大纲

Introducción

Descripción general del curso, en la que se destacan los módulos y objetivos clave. En primer lugar, analizaremos los aspectos del aprendizaje automático que requieren cierto grado de intuición, criterios adecuados y experimentación. Esto es lo que llamamos “el arte del AA”. También aprenderá los mecanismos necesarios para entrenar modelos. Los ajustará manualmente para observar los efectos en el rendimiento.

El arte del AA

En este curso, aprenderá sobre el arte del aprendizaje automático. Analizaremos los aspectos del aprendizaje automático que requieren cierto grado de intuición, criterio y experimentación para encontrar el balance adecuado y obtener resultados satisfactorios (sepa de antemano que es imposible lograr la perfección).

Ajuste de hiperparámetros

En este módulo, aprenderá a diferenciar los parámetros de los hiperparámetros. Más adelante, analizaremos el enfoque de búsqueda por cuadrículas tradicional y aprenderemos a pensar más allá mediante la implementación de algoritmos más inteligentes. Por último, aprenderá cómo Cloud ML Engine hace que el ajuste automático de los hiperparámetros sea tan conveniente.

Un poco de ciencia

En este módulo, agregaremos un poco de ciencia al arte del aprendizaje automático. En primer lugar, abordaremos cómo regularizar los modelos para lograr dispersión, a fin de que sean más simples y concisos. Más adelante, analizaremos la regresión logística y aprenderemos a evaluar el rendimiento.

La ciencia de las redes neuronales

En este módulo, profundizaremos en los aspectos científicos del aprendizaje automático, específicamente en las redes neuronales.

Incorporaciones

En este módulo, aprenderá a utilizar incorporaciones para administrar datos dispersos, de modo que los modelos de aprendizaje automático que usan este tipo de datos consuman menos memoria y puedan entrenarse más rápido. Las incorporaciones también son una forma de reducir la dimensionalidad y, de esta manera, simplificar los modelos para que sean más generalizables.

Estimador personalizado

En este módulo, iremos más allá del uso de estimadores prediseñados y escribiremos un estimador personalizado. Al escribir un estimador personalizado, obtendrá un mayor control de la función del modelo.

Resumen

Repaso de los conceptos clave abordados en el curso Art and Science of ML.

千万首歌曲。全无广告干扰。
此外,您还能在所有设备上欣赏您的整个音乐资料库。免费畅听 3 个月,之后每月只需 ¥10.00。
Apple 广告
声明:MOOC中国十分重视知识产权问题,我们发布之课程均源自下列机构,版权均归其所有,本站仅作报道收录并尊重其著作权益。感谢他们对MOOC事业做出的贡献!
  • Coursera
  • edX
  • OpenLearning
  • FutureLearn
  • iversity
  • Udacity
  • NovoEd
  • Canvas
  • Open2Study
  • Google
  • ewant
  • FUN
  • IOC-Athlete-MOOC
  • World-Science-U
  • Codecademy
  • CourseSites
  • opencourseworld
  • ShareCourse
  • gacco
  • MiriadaX
  • JANUX
  • openhpi
  • Stanford-Open-Edx
  • 网易云课堂
  • 中国大学MOOC
  • 学堂在线
  • 顶你学堂
  • 华文慕课
  • 好大学在线CnMooc
  • (部分课程由Coursera、Udemy、Linkshare共同提供)

© 2008-2020 CMOOC.COM 慕课改变你,你改变世界