Machine Learning Specialization Coursera

Especialización en aprendizaje automático Coursera

Contiene soluciones y notas para la especialización en aprendizaje automático de Andrew NG en Coursera

Nota: si desea tener una comprensión más profunda de los conceptos al comprender todas las matemáticas necesarias, eche un vistazo a Matemáticas para el aprendizaje automático y la ciencia de datos.

---

Curso 1: Aprendizaje automático supervisado: regresión y clasificación

• Semana 1

• Representación del modelo

• Función de costo

• Descenso de gradiente

• Prueba de práctica: Regresión

• Prueba de práctica: aprendizaje supervisado versus no supervisado

• Prueba de práctica: entrene el modelo con descenso de gradiente

• Laboratorios opcionales

• Semana 2

• Regresión lineal

• Vectorización numerosa

• Regresión multivariada

• Escalado de características

• Ingeniería de características

• Descenso de gradiente de Sklearn

• Método normal de Sklearn

• Prueba de práctica: descenso de gradiente en la práctica

• Prueba de práctica: regresión lineal múltiple

• Laboratorios opcionales

• Tarea de programación

• Semana 3

• Regresión logística

• Clasificación

• Función sigmoidea

• Límite de decisión

• Pérdida logística

• Función de costo

• Descenso de gradiente

• Scikit Learn - Regresión logística

• Sobreajuste

• Regularización

• Prueba de práctica: función de costos para la regresión logística

• Prueba de práctica: descenso de gradiente para regresión logística

• Laboratorios opcionales

• Tarea de programación

Certificado de finalización

Curso 2: Algoritmos de aprendizaje avanzado

• Semana 1

  
  

• Redes neuronales para clasificación binaria

• Neuronas y capas

• Tostado de café

• Tostado de café con Numpy

• Prueba de práctica: Intuición de redes neuronales

• Prueba de práctica: modelo de red neuronal

• Prueba de práctica: implementación de TensorFlow

• Prueba de práctica: Implementación de redes neuronales en Numpy

• Laboratorios opcionales

• Tarea de programación

• Semana 2

• Redes neuronales para el reconocimiento de dígitos escritos a mano: multiclase

• RElu

• softmax

• Clasificación multiclase

• Prueba de práctica: Entrenamiento de redes neuronales

• Prueba de práctica: Funciones de activación

• Prueba de práctica: Clasificación multiclase

• Prueba de práctica: conceptos adicionales de redes neuronales

• Laboratorios opcionales

• Tarea de programación

• Semana 3

• Consejos para el aprendizaje automático aplicado

• Prueba de práctica: Consejos para aplicar el aprendizaje automático

• Prueba de práctica: sesgo y varianza

• Prueba de práctica: Proceso de desarrollo del aprendizaje automático

• Tarea de programación

• Semana 4

• Árboles de decisión

• Prueba de práctica: Árboles de decisión

• Prueba de práctica: Aprendizaje de árboles de decisión

• Prueba de práctica: Conjuntos de árboles de decisión

• Tarea de programación

Certificado de finalización

Curso 3: Aprendizaje no supervisado, recomendadores, aprendizaje por refuerzo

• Semana 1

• K significa

• Detección de anomalías

• Prueba de práctica: Agrupación

• Prueba de práctica: Detección de anomalías

• Tareas de programación

• Semana 2

• Filtrado colaborativo RecSys

• RecSys usando redes neuronales

• Prueba de práctica: Filtrado colaborativo

• Prueba de práctica: Implementación de sistemas de recomendación

• Prueba de práctica: filtrado basado en contenido

• Tareas de programación

• Semana 3

• Q-Learning profundo: módulo de aterrizaje lunar

• Prueba de práctica: Introducción al aprendizaje por refuerzo

• Prueba de práctica: función de valor de estado-acción

• Prueba de práctica: espacios de estado continuos

• Tarea de programación

Certificado de finalización

Certificado de Especialización

Observadores de estrellas a lo largo del tiempo

Revisión del curso:

Este curso es el mejor lugar para convertirse en ingeniero de aprendizaje automático. Incluso si es un experto, se tratan en profundidad muchos algoritmos, como los árboles de decisión, que pueden ayudar a mejorar aún más las habilidades.

Un agradecimiento especial al profesor Andrew Ng por estructurar y adaptar este curso.

---

Una idea de lo que podría lograr al final de esta especialización:

• Escriba un algoritmo de aprendizaje no supervisado para aterrizar el módulo de aterrizaje lunar utilizando Deep Q-Learning

• El Rover fue entrenado para aterrizar correctamente en la superficie, correctamente entre las banderas como indicadores después de muchos intentos fallidos de aprender a hacerlo.

• El aterrizaje final después de entrenar al agente usando los parámetros apropiados:

lunar_lander.mp4

• Escribir un algoritmo para un sistema de recomendación de películas

• Se recopila una base de datos de películas en función de su género.

• Se entrena un algoritmo de filtrado basado en contenidos y filtrado colaborativo y se implementa el sistema de recomendación de películas.

• Ofrece recomendaciones de películas basadas en el género de la película.

• ¡¡Y Mucho Más!!

En conclusión, este es un curso que recomendaría a todos. No solo porque aprendes muchas cosas nuevas, sino que también las tareas son ejemplos de la vida real que son emocionantes de completar .

Feliz aprendizaje :))