Universität von Illinois, Urbana-Champaign Wir werden in diesem Kurs nicht von 0 beginnen und ... wir werden einen gewissen Hintergrund bei allen von uns annehmen. Wir werden annehmen, dass die ersten 2 Kurse in ... dieser Spezialisierung absolviert wurden. Dies ist wirklich grundlegend. Im ersten Kurs ... haben wir eine weite Übersicht darüber, was mit Machine Learning möglich, ist erhalten. Falls dieses Wissen schon vorhanden ist, wird es in Ordnung sein. Es wird etwas sein, was sehr hilfreich sein wird, so wie es auch ... ... das Programmieren und das Datenmanipulieren erleichtern wird. Wir werden auch über den Inhalt des 2. Kurses sprechen, in dem wir Dinge diskutierten wie ... ... Machine-Learning-Algorithmen, Gradient Ascent, Overfitting, Validierungsmengen, ... ... Cross-Validierung, Bias-Variance-Tradeoff und Regularisierung besprachen. Wir werden sehen, ob wir uns an diese Themen erinnern. Gehen Sie zurück und wiederholen Sie sie, falls Sie es nicht tun. Falls Sie keinen der Kurse absolviert haben, aber wissen, was diese Verfahren sind, nehmen ... Sie ruhig sofort an diesen Kursen teil, aber wir werden das Wissen während dieses Kurses voraussetzen. So wie auch in den anderen Kursen werden wir gewisses Basiswissen voraussetzen. Wir werden einige Ableitungen berechnen. Sie sollten wissen, was ein Vektor ist, da wir diese verwenden werden. Wir werden einige Basisfunktionen nutzen, ... ... zum Beispiel Exponentiation und Logarithmus. Falls Sie Ihr Wissen über diese Basisfunktionen auffrischen müssen ... ... ist jetzt ein guter Zeitpunkt dies zu tun. Dies ist ein praktischer Kurs. In jedem modul ist etwas zu programmieren. Dabei verwenden wir Daten aus der wirklichen Welt und erhalten wirkliche Resultate. Das sollten Sie erwarten, aber ... ... das bedeutet nicht, dass Sie alles selbst programmieren müssen. Wir haben ein System erstellt, das es für Sie einfach macht, falls Sie sich mit Python auskennen. Falls Sie sich mit Python nicht auskennen, können Sie es recht schnell nachholen, so wie Sie ... ... in vorherigen Kursen mit anderen Dingen taten oder Sie können in einer anderen Sprache, implementieren. Wir setzen keine Kenntnisse in einer bestimmten Programmiersprache voraus, aber ... es wird viel einfacher, wenn Sie Python verwenden. Im Gegensatz zum ersten Kurs in dieser Spezialisierung werden wir verstärkt Nutzen von ... ... GraphLab Create machen. Es bietet eine gute Grundlage um Algorithmen zu nutzen zu beginnen. In diesem Kurs sind wir nicht zwingend auf GraphLab Create angewiesen. Wir empfehlen, dass Sie SFrames verwenden, ... ... was eine Open Source Daten-Manipulations-Biliothek ist, die von Dato erschaffen wurde, oder ... ... andere Bibliotheken wie Pandas in Python, falls Sie diese bevorzugen. Es wird einige Aufgaben geben, in denen wir bereits implementierte Algorithmen nutzen werden. Versuchen Sie zu verstehen, wie sie sich verhalten, bevor Sie sie selbst implementieren. Dafür empfehlen wir Ihnen die Verwendung von GraphLab Create, aber ... ... Sie können andere Bibliotheken wie scikit-learn verwenden. Es ist Ihre Entscheidung. Es wird einfacher sein, falls sie Python verwenden und wir werden Ihnen ... ... einigen Code vorgeben und einige andere Dinge, aber Sie können gerne eigenen Code verwenden. Das Resultat dieses Kurses ... ... soll sein, dass Sie Ihre eigenen Machine Learning Algorithmen von Grund auf implementieren können. Das ist das, was Sie bereit sein sollten zu tun. Sie werden einen Computer mit ein bisschen Rechenpower benötigen. Ein Laptop wird in Ordnung sein, wobei ein 64-Bit-System einen großen Unterschied machen wird. Sie werden Zugang zum Internet haben müssen, um Datenmengen herunterzuladen und ... ... alles andere, was benötigt wird und um diese Videos zu schauen. Sie müssen die Möglichkeit haben Python zu installieren und vielleicht GraphLab Create, falls ... ... Sie sich entscheiden es zu nutzen und ein paar GigaByte Daten auf Ihrer Maschine zu speichern. Genau so wie in den vorherigen Kursen. Wir bieten ebenfalls einige andere Ressourcen für ... ... diejenigen, die keine eigene geeigneten Maschinen haben. Sie können Maschinen im Netz nutzen und wir werden auch das in unseren Dokumenten besprechen. Universität von Illinois, Urbana-Champaign