Machine Learning Specialization Coursera

기계 학습 전문 Coursera

Coursera에서 Andrew NG가 작성한 기계 학습 전문 분야에 대한 솔루션 및 참고 사항이 포함되어 있습니다.

참고: 필요한 모든 수학을 이해하여 개념을 더 깊이 이해하고 싶다면 기계 학습 및 데이터 과학을 위한 수학을 살펴보세요.

---

코스 1: 지도 머신러닝: 회귀 및 분류

• 1주차

• 모델 표현

• 비용 함수

• 경사하강법

• 연습 퀴즈: 회귀

• 연습 퀴즈: 지도 학습과 비지도 학습

• 연습 퀴즈: 경사하강법을 사용하여 모델 학습

• 선택적 실습

• 2주차

• 선형 회귀

• Numpy 벡터화

• 다변량 회귀

• 기능 스케일링

• 기능 엔지니어링

• Sklearn 경사 하강

• Sklearn 일반 방법

• 연습 퀴즈: 경사하강법의 실제 사례

• 연습 퀴즈: 다중 선형 회귀

• 선택적 실습

• 프로그래밍 할당

• 3주차

• 로지스틱 회귀

• 분류

• 시그모이드 함수

• 결정 경계

• 물류 손실

• 비용 함수

• 경사하강법

• Scikit Learn - 로지스틱 회귀

• 과적합

• 정규화

• 연습 퀴즈: 로지스틱 회귀의 비용 함수

• 연습 퀴즈: 로지스틱 회귀를 위한 경사하강법

• 선택적 실습

• 프로그래밍 할당

수료증

코스 2 : 고급 학습 알고리즘

• 1주차

  
  

• 이진 분류를 위한 신경망

• 뉴런과 레이어

• 커피 로스팅

• Numpy를 이용한 커피 로스팅

• 연습 퀴즈: 신경망 직관

• 연습 퀴즈: 신경망 모델

• 연습 퀴즈: TensorFlow 구현

• 연습 퀴즈 : Numpy의 신경망 구현

• 선택적 실습

• 프로그래밍 할당

• 2주차

• 필기 숫자 인식을 위한 신경망 - 멀티클래스

• RELU

• 소프트맥스

• 다중클래스 분류

• 연습 퀴즈 : 신경망 훈련

• 연습 퀴즈 : 활성화 기능

• 연습퀴즈 : 다중클래스 분류

• 연습 퀴즈 : 추가 신경망 개념

• 선택적 실습

• 프로그래밍 할당

• 3주차

• 응용 기계 학습에 대한 조언

• 연습퀴즈 : 머신러닝 적용을 위한 조언

• 연습 퀴즈 : 편향과 분산

• 연습문제 : 머신러닝 개발 과정

• 프로그래밍 할당

• 4주차

• 의사결정 트리

• 연습 퀴즈 : 의사 결정 트리

• 연습퀴즈 : 의사결정나무 학습

• 연습 퀴즈 : 결정 트리 앙상블

• 프로그래밍 할당

수료증

코스 3 : 비지도 학습, 추천자, 강화 학습

• 1주차

• K는

• 이상 탐지

• 연습 퀴즈 : 클러스터링

• 연습 퀴즈 : 이상 탐지

• 프로그래밍 과제

• 2주차

• 협업 필터링 RecSys

• 신경망을 사용하는 RecSys

• 연습 퀴즈 : 협업 필터링

• 연습퀴즈 : 추천 시스템 구현

• 연습문제 : 콘텐츠 기반 필터링

• 프로그래밍 과제

• 3주차

• Deep Q-Learning - 달 착륙선

• 연습퀴즈 : 강화학습 소개

• 연습퀴즈 : 상태-행동 가치함수

• 연습 퀴즈 : 연속 상태 공간

• 프로그래밍 할당

수료증

전문 자격증

시간이 지남에 따라 스타게이저

강좌 복습 :

이 과정은 기계 학습 엔지니어가 되기 위한 최고의 장소입니다. 전문가라도 기술을 더욱 향상시키는 데 도움이 될 수 있는 의사결정 트리 등 많은 알고리즘이 심도 있게 다루어집니다.

이 과정을 구성하고 맞춤화한 Andrew Ng 교수에게 특별히 감사드립니다.

---

이 전문 분야를 마치면 무엇을 성취할 수 있는지에 대한 통찰력:

• Deep Q-Learning을 사용하여 달 착륙선을 착륙시키기 위한 비지도 학습 알고리즘 작성

• 로버는 방법을 배우는 데 여러 번 실패한 후 표시기로서 지표면에 올바르게 착륙하도록 훈련되었습니다.

• 적절한 매개변수를 사용하여 에이전트를 훈련한 후 최종 착륙:

lunar_lander.mp4

• 영화 추천 시스템을 위한 알고리즘 작성

• 영화 데이터베이스는 장르별로 수집됩니다.

• 콘텐츠 기반 필터링 및 협업 필터링 알고리즘을 학습하고 영화 추천 시스템을 구현합니다.

• 영화 장르에 따른 영화 추천을 제공합니다.

• 그리고 훨씬 더!

결론적으로 이 코스는 모두에게 추천하고 싶은 코스입니다. 새로운 것을 많이 배울 수 있을 뿐만 아니라 과제는 완료하기에 흥미로운 실제 사례이기 때문입니다.

행복한 학습 :))