课程首先介绍了ML 概念,然后介绍其历史、机器学习中的公平性概念,并讨论该行业的工具和技术,然后再开始介绍回归、分类、聚类、自然语言处理、时间序列预测、强化学习,其中有两个“应用”课程展示了如何在网络应用程序中使用你的模型进行推理。
今天要和大家推荐一份Microsoft Azure机器学习课程,划分为12周、24节课,通过这门课程你将了解到经典的机器学习知识,主要使用 Scikit-learn 作为库并避免深度学习。
微软已经将课程中的经典技术应用于各种数据中去,每节课都包括课前和课后测验,课程大纲说明,解决方案及课后作业等。
课程首先介绍了ML 概念,然后介绍其历史、机器学习中的公平性概念,并讨论该行业的工具和技术,然后再开始介绍回归、分类、聚类、自然语言处理、时间序列预测、强化学习,其中有两个“应用”课程展示了如何在网络应用程序中使用你的模型进行推理。
这门课程涉及到的算法都有具体的示例,包括回归(北美南瓜市场定价示例)、分类(泛亚洲菜系示例)、聚类(尼日利亚音乐品味示例)、NLP(欧洲酒店评论示例)、时间序列(世界用电量示例),强化学习(俄罗斯关于彼得和狼的故事)。
你如果想要学习本课程,可以将整个Repo添加到自己的Github账户,通过以下顺序完成课程:
- 从课前测验开始
- 观看教程并完成问题解答,在每次检验的时候暂停和反思
- 尝试通过理解课程而不是运行解决方案代码来创建项目;但是,该代码/solution位于每个面向项目的课程的文件夹中。
- 参加课后测试
- 完成任务挑战
- 完成课程后,记得访问讨论板块
微软表示,该课程他们秉持两大教学原则:首先确保它是基于实践的项目,并且包含大量的测试。此外,本课程有一个共同的目的,就是使其具有凝聚力。
具体每节课主要包括以下内容:
- 草图笔记
- 视频补充
- 课前热身测验
- 编程课程
- 以项目为基础的课程指导如何构建项目
- 知识检验
- 课程挑战
- 补充阅读
- 分配任务
- 课后测验
先来看看草图有多有趣:
具体课程列表内容见下图:
最后附上课程地址:https://github.com/microsoft/ML-For-Beginners
内容出处:,
声明:本网站所收集的部分公开资料来源于互联网,转载的目的在于传递更多信息及用于网络分享,并不代表本站赞同其观点和对其真实性负责,也不构成任何其他建议。如果您发现网站上有侵犯您的知识产权的作品,请与我们取得联系,我们会及时修改或删除。文章链接:http://www.yixao.com/share/25693.html