Andrew Ng

Машинне навчання

Деталі

Машинне навчання – це наука, яка надає комп’ютеру «повноважень» виконувати дії не будучи детально на це запрограмованим. В минулому десятиріччі, за допомогою машинного навчання світ побачив такі інновації як: безпілотні автомобілі, розпізнавання голосу, ефективний веб-пошук, та значно покращене розуміння людських генів. В наші дні машинне навчання розповсюджується з такою швидкістю, що ви користуєтесь ним сотні разів на день, навіть не здогадуючись про це. Багато дослідників вважають, що це найкращий шлях досягнення успіху у напрямку розвитку штучного інтелекту людського рівня. В цьому курсі ви дізнаєтесь про найбільш ефективні техніки машинного навчання та попрактикуєтесь застосовувати їх на ділі. І ще більш важливо те, що ви дізнаєтесь не лише теоретичні основи навчання, а й отримаєте практичні знання, необхідні для того, щоб швидко та ефективно використовувати ці техніки відносно нових задач.

Зрештою, ви дізнаєтесь про деякі найкращі інновації Кремнієвої Долини, пов’язані безпосередньо з машинним навчанням та штучним інтелектом. Цей курс впроваджує широкий вступ до машинного навчання, добування інформації з даних та статистичного розпізнавання образів. Теми курсу: «Навчання з вчителем» (параметричні/непараметричні алгоритми, підтримка векторних машин, ядра, нейронні мережі); «Навчання без вчителя» (кластеризація, пониження розмірності, рекомендаційні системи, глибинне навчання); «Найкращі правила використання машинного навчання» (теорія дисперсії, інноваційний процес у машинному навчанні та штучному інтелекті).

У даному курсі численні дослідження окремих проблем та застосувань розглядаються таким чином, що ви дізнаєтесь як застосовувати алгоритми навчання для конструювання розумних роботів (сприйняття, контроль), розуміння текстів (пошук в Інтернеті, анти-спам), комп’ютерного зору, комп’ютерних технологій в медицині, аудіо, добування даних та ін.

Характеристики
Заклад освіти: Стенфордський університет
Вартість: $49 – з сертифікатом
безкоштовно – без сертифікату
Сертифікат: так (на платній основі)
Тривалість: 11 тижнів
Мова: англійська
Субтитри англійські

Ендрю Ин, адъюнкт-профессор інформатики в Стенфорді; науковий керівник у компанії Baidu; голова та співзасновник Coursera.

У 2011році він займався розробкою головної МООК платформи Стенфордського університету та, також, читав онлайн курс «Машинне навчання» більше ніж 100 тис. студентам. Це допомогло запустити МООК-рух та отримати фінансування для Coursera. Ин вважає надання безкоштовного доступу до ефективної освіти своєю головною метою.

Ин також працює над машинним навчанням, концентруючись на глибинному вивченні. Він створив та очолив проект «Google мозок», за допомогою якого алгоритми глибинного вивчення були розвинені у крупному масштабі. Останнім часом, в якості наукового керівника в Baidu, він продовжує працювати над глибинним вивченням та його застосування у комп’ютерному зорі, мові та нейролінгвістичному програмуванні.

Тиждень 1

  • Вступ
  • Одномірна лінійна регресія
  • Огляд лінійної алгебри

Тиждень 2

  • Множинна лінійна регресія
  • Посібник з мови числових розрахунків Octave

Тиждень 3

  • Логістична регресія
  • Регуляризація

Тиждень 4

  • Нейронні мережі: Ознайомлення

Тиждень 5

  • Нейронні мережі: ознайомлення: Навчання

Тиждень 6

  • Рекомендації щодо застосовування машинного навчання
  • Проектування системи машинного навчання

Тиждень 7

  • Метод опорних векторів

Тиждень 8

  • Навчання без вчителя
  • Пониження розмірності

Тиждень 9

  • Виявлення аномалій
  • Рекомендаційні системи

Тиждень 10

  • Великомасштабне машинне навчання

Тиждень

  • Приклад застосування: програмне забезпечення Photo OCR

Особливості: Для проходження даного курсу студенти повинні мати певну підготовку:

  • Знання основних принципів інформатики та наявність умінь написання нетривіальних програм;
  • Ознайомленість з основами теорії ймовірності;
  • Ознайомленість з основами лінійної алгебри.

Для отримання сертифікату про проходження даного курсу, ви повинні завершити курс на протязі 180 днів після оплати.

За допомогою форуму курсу можна познайомитись з іншими однокурсниками, спілкуватись з ними на запропоновані теми або обговорювати цікаві вам питання. Але під час цього не можна задавати питання з тестів або завдань, це є порушенням кодексу взаємоповаги Coursera. Лекції з деяких відео можливо завантажити у форматі PDF.

plus.google – https://plus.google.com/+Coursera/posts

twitter – https://twitter.com/coursera

facebook – https://www.facebook.com/Coursera

Кожен тиждень курсу передбачає виконання певних задач шляхом перегляду відео матеріалу, читанням необхідної інформації за темою, повторенням вивченого матеріалу, проходженням тестів та виконанням завдань.