|
所在平台: Coursera |
课程主页: https://www.coursera.org/learn/art-science-ml-es
课程评论：没有评论
课程名称：西班牙语的机器学习艺术与科学 课程概述：欢迎参加《机器学习的艺术与科学》课程。该课程包含6个模块，旨在提升基本的直觉、判断和实验技能，以更好地调整和优化机器学习模型，达到最佳性能。您将学习如何使用正则化技术来进行模型泛化，并了解超参数（如批量大小和学习率）对模型性能的影响。课程将分析一些常见的模型优化算法，并展示如何在TensorFlow代码中指定优化方法。 课程大纲： 1. 介绍：欢迎参加本课程，重点讲解机器学习模型优化的基本技能。 2. 机器学习的艺术：学习调整批量大小和学习率，以改善模型性能，并将这些概念应用于TensorFlow代码。 3. 超参数调整：区分参数与超参数，介绍传统的网格搜索方法和更智能的算法，展示Cloud ML Engine如何简化超参数调整的自动化过程。 4. 一丝科学：引入正则化以实现模型简化，讲解逻辑回归和性能评估。 5. 神经网络科学：深入探讨神经网络的科学原理。 6. 嵌入：学习如何使用嵌入处理稀疏数据，以减少内存消耗并加快训练速度，同时降低维度，使模型更简单且更具泛化能力。 7. 总结：回顾课程中的关键学习点。 此课程为希望深入理解机器学习模型优化与调整的学习者提供全面的知识和实践。
Name:Introducción
Description:Le damos la bienvenida a The Art and Science of Machine Learning. En este curso, se abordan las habilidades básicas de intuición, buen criterio y experimentación del AA necesarias para ajustar mejor y optimizar modelos de AA a fin de lograr el mejor rendimiento. Aprenderá a generalizar su modelo usando técnicas de regularización y descubrirá los efectos de los hiperparámetros, como el tamaño del lote y la tasa de aprendizaje, en el rendimiento del modelo. Analizaremos algunos de los algoritmos de optimización de los modelos más comunes y le mostraremos cómo especificar un método de optimización en su código de TensorFlow.
Name:El arte del AA
Description:En este módulo, aprenderá a ajustar el tamaño del lote y la tasa de aprendizaje para mejorar el rendimiento del modelo, optimizar su modelo y aplicar los conceptos en el código de TensorFlow.
Name:Ajuste de hiperparámetros
Description:En este módulo, aprenderá a diferenciar entre parámetros e hiperparámetros. Luego, veremos el enfoque tradicional de búsqueda por cuadrícula y aprenderemos a ir más allá mediante algoritmos más inteligentes. Por último, verá cómo Cloud ML Engine facilita la automatización del ajuste de hiperparámetros.
Name:Una pizca de ciencia
Description:En este módulo, comenzaremos a presentar la ciencia junto con el arte del aprendizaje automático. Primero, hablaremos sobre cómo realizar una regularización para lograr dispersión y, de este modo, conseguir modelos más simples y concisos. Luego, abordaremos la regresión logística y aprenderemos a determinar el rendimiento.
Name:La ciencia de las redes neuronales
Description:En este módulo, profundizaremos en la ciencia, específicamente en las redes neuronales.
Name:Incorporaciones
Description:En este módulo, aprenderá a usar incorporaciones para administrar los datos dispersos, a fin de que los modelos de aprendizaje automático que usan ese tipo de datos consuman menos memoria y se entrenen más rápido. Las incorporaciones también son una forma de reducir la dimensionalidad. Esto hace que los modelos sean más simples y generalizables.
Name:Resumen
Description:Resumen de los puntos clave de aprendizaje del curso.
Le damos la bienvenida a The Art and Science of Machine Learning. El curso consta de 6 módulos. En este curso, se abordan las habilidades básicas de intuición, buen criterio y experimentación del AA necesarias para ajustar mejor y optimizar modelos de AA a fin de lograr el mejor rendimiento. Aprenderá a generalizar su modelo usando técnicas de regularización y descubrirá los efectos de los hiperparámetros, como el tamaño del lote y la tasa de aprendizaje, en el rendimiento del modelo. Analizaremos algunos de los algoritmos de optimización de los modelos más comunes y le mostraremos cómo especificar un método de optimización en su código de TensorFlow.
