月度归档:2018年11月

Deep Learning Specialization on Coursera

Andrew Ng 老师新推的通俗人工智能课程以及其他相关资料

Andrew Ng 老师是我的偶像,他在普及机器学习和深度学习的道路上纵情向前,这不他又在 Coursera 上新推了一门通俗人工智能课程:AI For Everyone(全民AI)

http://coursegraph.com/coursera-ai-for-everyone

这门课程面向大众进行AI科普,将于2019年年初开课,目前已经可以注册课程。AI不仅适用于工程师,这门非技术性人工智能课程将帮助学习者了解机器学习和深度学习等相关技术,以及将AI应用于自己组织中的问题和机会。 通过这门课程,学习者将会了解当前人工智能可以或者不能做的事情。最后,学习者将了解AI如何影响社会以及我们将如何应对这种技术变革。

AI is not only for engineers. This non-technical course will help you understand technologies like machine learning and deep learning and spot opportunities to apply AI to problems in your own organization. You will see examples of what today’s AI can – and cannot – do. Finally, you will understand how AI is impacting society and how to navigate through this technological change.

If you are a non-technical business leader, “AI for Everyone” will help you understand how to build a sustainable AI strategy. If you are a machine learning engineer or data scientist, this is the course to ask your manager, VP or CEO to take if you want them to understand what you can (and cannot!) do.

下面,我们细数一下Andrew Ng老师在机器学习&深度学习&人工智能科普道路上的孜孜不倦:

0. 斯坦福大学公开课 :机器学习课程

http://open.163.com/special/opencourse/machinelearning.html

这是 OpenCourse 刚刚兴起时流传的机器学习课程,来自斯坦福大学课堂录制,Andrew Ng老师亲授,难度相对大一些,印象最深的还是那个奔跑在林间无人驾驶视频:

人工智能的发展到已经进入了一个瓶颈期。近年来各个研究方向都没有太大的突破。真正意义上人工智能的实现目前还没有任何曙光。但是,机器学习无疑是最有希望实现这个目标的方向之一。斯坦福大学的“Stanford Engineering Everywhere ”免费提供学校里最受欢迎的工科课程,给全世界的学生和教育工作者。得益于这个项目,我们有机会和全世界站在同一个数量级的知识起跑线上。

1. Andrew Ng 老师的 机器学习课程(Machine Learning)

http://coursegraph.com/coursera-machine-learning

Coursera创办之初的扛鼎之作,Andrew Ng老师为Mooc时代亲自打造的机器学习课程,难度简化了不少,机器学习入门首选课程。这门课程从一开始诞生就备受瞩目,据说全世界有数百万人通过这门课程入门机器学习。课程的级别是入门级别的,对学习者的背景要求不高,Andrew Ng 老师讲解的又很通俗易懂,所以强烈推荐从这门课程开始走入机器学习。课程简介:

机器学习是一门研究在非特定编程条件下让计算机采取行动的学科。最近二十年,机器学习为我们带来了自动驾驶汽车、实用的语音识别、高效的网络搜索,让我们对人类基因的解读能力大大提高。当今机器学习技术已经非常普遍,您很可能在毫无察觉情况下每天使用几十次。许多研究者还认为机器学习是人工智能(AI)取得进展的最有效途径。在本课程中,您将学习最高效的机器学习技术,了解如何使用这些技术,并自己动手实践这些技术。更重要的是,您将不仅将学习理论知识,还将学习如何实践,如何快速使用强大的技术来解决新问题。最后,您将了解在硅谷企业如何在机器学习和AI领域进行创新。 本课程将广泛介绍机器学习、数据挖掘和统计模式识别。相关主题包括:(i) 监督式学习(参数和非参数算法、支持向量机、核函数和神经网络)。(ii) 无监督学习(集群、降维、推荐系统和深度学习)。(iii) 机器学习实例(偏见/方差理论;机器学习和AI领域的创新)。课程将引用很多案例和应用,您还需要学习如何在不同领域应用学习算法,例如智能机器人(感知和控制)、文本理解(网络搜索和垃圾邮件过滤)、计算机视觉、医学信息学、音频、数据库挖掘等领域。

这里有老版课程评论,非常值得参考推荐:Machine Learning

http://coursegraph.com/coursera_ml

3. Andrew Ng (吴恩达) 深度学习专项课程 by Coursera and deeplearning.ai

http://coursegraph.com/coursera-specializations-deep-learning

这是 Andrew Ng 老师离开百度后推出的第一个深度学习项目(deeplearning.ai)的一个课程: Deep Learning Specialization ,课程口号是:Master Deep Learning, and Break into AI. 作为 Coursera 联合创始人 和 机器学习网红课程Machine Learning” 的授课者,Andrew Ng 老师引领了数百万同学进入了机器学习领域,而这门深度学习课程的口号也透露了他的野心:继续带领百万人进入深度学习的圣地。

作为 Andrew Ng 老师的粉丝,依然推荐这门课程作为深度学习入门课程首选,并且建议花费上 Coursera 的课程,一方面可以做题,另外还有证书,最重要的是它的编程作业,是理解课程内容的关键点,仅仅看视频绝对是达不到这个效果的。参考:《Andrew Ng 深度学习课程小记》和《Andrew Ng (吴恩达) 深度学习课程小结》。

4. Machine Learning Yearning

Andrew Ng 老师在今年推的一个机器学习经验的小册子,前段时间完成所有章节的写作,我看了英文版,全书几乎没有公式,主要是机器学习实践经验的分享,很不错的总结,对于机器学习从业人员来说,可以时不时的拿来参考一下。这本书似乎有一个准中文翻译网站,不太确定是否是官方的,将这本书翻译为《机器学习训练秘籍》,感兴趣的同学也可以在这里读中文版。

最后分享一下之前收集的Andrew Ng老师的相关课程资料和书籍,来源于互联网,包括早年机器学习课程的视频,深度学习课程的作业整理,Machine Learning Yearning的英文版和中文版等,感兴趣的同学可以关注我们的微信公众号: AINLP, 回复”ng”获取:

注:原创文章,转载请注明出处“课程图谱博客”:http://blog.coursegraph.com

本文链接地址:Andrew Ng 老师新推的通俗人工智能课程以及其他相关资料 http://blog.coursegraph.com/?p=949

Coursera专项课程推荐:谷歌云平台上基于TensorFlow的高级机器学习专项课程(Advanced Machine Learning with TensorFlow on Google Cloud Platform Specialization)

Coursera近期刚刚推了一门新专项课程:谷歌云平台上基于TensorFlow的高级机器学习专项课程(Advanced Machine Learning with TensorFlow on Google Cloud Platform Specialization),看起来很不错。这个系列包含5门子课程,涵盖端到端机器学习、生产环境机器学习系统、图像理解、面向时间序列和自然语言处理的序列模型、推荐系统等内容,感兴趣的同学可以关注:Learn Advanced Machine Learning with Google Cloud. Build production-ready machine learning models with TensorFlow on Google Cloud Platform.

课程链接:http://coursegraph.com/coursera-specializations-advanced-machine-learning-tensorflow-gcp

五门子课程分别是:

1、基于TensorFlow的端到端机器学习(End-to-End Machine Learning with TensorFlow on GCP)

http://coursegraph.com/coursera-end-to-end-ml-tensorflow-gcp

这门课程将首先回顾一下谷歌云平台上的TensorFlow机器学习专项课程系列(Machine Learning with TensorFlow on Google Cloud Platform Specialization)的相关内容。 回顾这些内容的最佳方法之一是就是使用学到的概念和技术。 因此,这门课程被设置为研讨会,在这个研讨会中,学员将在谷歌云平台上使用TensorFlow进行端到端机器学习。先决条件:基础的SQL知识,熟悉Python和TensorFlow。

In the first course of this specialization, we will recap what was covered in the Machine Learning with TensorFlow on Google Cloud Platform Specialization. One of the best ways to review something is to work with the concepts and technologies that you have learned. So, this course is set up as a workshop and in this workshop, you will do End-to-End Machine Learning with TensorFlow on Google Cloud Platform Prerequisites: Basic SQL, familiarity with Python and TensorFlow

2、生产环境机器学习系统(Production ML Systems)

http://coursegraph.com/coursera-gcp-production-ml-systems

在该系列的第二个课程中,将深入研究生产环境中高性能机器学习系统的组件和最佳实践。 先决条件:基础的SQL知识,熟悉Python和TensorFlow。

In the second course of this specialization, we will dive into the components and best practices of a high-performing ML system in production environments. Prerequisites: Basic SQL, familiarity with Python and TensorFlow

3、Image Understanding with TensorFlow on GCP(通过TensorFlow进行图像理解)

http://coursegraph.com/coursera-specializations-advanced-machine-learning-tensorflow-gcp

这是谷歌云平台高级机器学习专项课程系列第三课:通过TensorFlow进行图像理解。在这门课程中,首先将介绍使用卷积神经网络构建图像分类器的不同策略。其次将通过数据增强,特征提取和超参数调优来提高模型的准确性,同时避免过度拟合数据。学习过程中还将研究实际出现的问题,例如,当图像数据不足时如何处理问题以及如何将最新的研究成果纳入我们的模型。最后在这门课程的实践平台上,学员将在不同的公共数据集上构建和优化自己的图像分类器模型。先决条件:基础的SQL知识,熟悉Python和TensorFlow。

This is the third course of the Advanced Machine Learning on GCP specialization. In this course, We will take a look at different strategies for building an image classifier using convolutional neural networks. We’ll improve the model’s accuracy with augmentation, feature extraction, and fine-tuning hyperparameters while trying to avoid overfitting our data. We will also look at practical issues that arise, for example, when you don’t have enough data and how to incorporate the latest research findings into our models. You will get hands-on practice building and optimizing your own image classification models on a variety of public datasets in the labs we’ll work on together. Prerequisites: Basic SQL, familiarity with Python and TensorFlow

4、Sequence Models for Time Series and Natural Language Processing(面向时间序列和自然语言处理的序列模型)

http://coursegraph.com/coursera-sequence-models-tensorflow-gcp

谷歌云平台高级机器学习专项课程系列第四课:面向时间序列和自然语言处理的序列模型。这门课程将主要介绍序列模型及其应用,包括序列模型结构概览以及如何处理可变长输入。预测时间序列的未来值 • 对自由格式文本进行分类 • 使用递归神经网络解决时间序列和文本问题 • 在RNN/LSTM和更简单的模型之间进行选择 • 在文本问题中训练和重用词嵌入模型。在这门课程的实践平台上,学员将在不同的公共数据集上亲自构建和优化自己的文本分类器和序列模型。先决条件:基础的SQL知识,熟悉Python和TensorFlow。

This course is an introduction to sequence models and their applications, including an overview of sequence model architectures and how to handle inputs of variable length. • Predict future values of a time-series • Classify free form text • Address time-series and text problems with recurrent neural networks • Choose between RNNs/LSTMs and simpler models • Train and reuse word embeddings in text problems You will get hands-on practice building and optimizing your own text classification and sequence models on a variety of public datasets in the labs we’ll work on together. Prerequisites: Basic SQL, familiarity with Python and TensorFlow

5、Recommendation Systems with TensorFlow on GCP(基于TensorFlow的推荐系统)

http://coursegraph.com/coursera-recommendation-models-gcp

谷歌云平台高级机器学习专项课程系列第四课:基于TensorFlow的推荐系统。在本课程中,将应用分类模型和嵌入(embeddings)的知识来构建充当推荐引擎的机器学习组件。 设计基于内容的推荐引擎 • 实现一个协同过滤推荐引擎 • 构建具有用户和内容嵌入的混合推荐引擎。

In this course, you’ll apply your knowledge of classification models and embeddings to build a ML pipeline that functions as a recommendation engine. • Devise a content-based recommendation engine • Implement a collaborative filtering recommendation engine • Build a hybrid recommendation engine with user and content embeddings

注:原创文章,转载请注明出处“课程图谱博客”:http://blog.coursegraph.com

本文链接地址:Coursera专项课程推荐:谷歌云平台上基于TensorFlow的高级机器学习专项课程(Advanced Machine Learning with TensorFlow on Google Cloud Platform Specialization) http://blog.coursegraph.com/?p=924