Vytváření modelů strojového učení

Středně pokročilý
AI Engineer
Data Scientist
Developer
Student
Visual Studio Code
Azure

Microsoft Learn nabízí několik interaktivních způsobů, jak získat úvod do klasického strojového učení. Tyto studijní programy vám zajistí produktivitu sami a jsou také vynikající základnou pro přechod na témata hlubokého učení.

Od nejzákladnějších klasických modelů strojového učení až po průzkumnou analýzu dat a přizpůsobení architektur vás provede jednoduchým přehledným koncepčním obsahem a interaktivními poznámkovými bloky Jupyter, a to vše bez opuštění prohlížeče.

Zvolte si vlastní cestu v závislosti na vašem vzdělání a zájmech.

Možnost 1: Kompletní kurz: Základy datových věd pro strojové učení

Tato cesta se doporučuje pro většinu lidí. Má všechny stejné moduly jako ostatní dva studijní programy s vlastním tokem, který maximalizuje posílení konceptů. Pokud se chcete dozvědět o základních konceptech a o tom, jak se dostat k vytváření modelů pomocí nejběžnějších nástrojů strojového učení, je tento postup určený pro vás. Je to také nejlepší cesta, pokud plánujete přejít nad rámec klasického strojového učení a získat vzdělání v hlubokém učení a neurálních sítích, které zde představíme.

Možnost 2: Principy datových věd pro studijní program strojového učení

Pokud chcete pochopit, jak strojové učení funguje a nemáte moc matematického pozadí, je tento postup určený pro vás. Nevyučuje žádné předpoklady o předchozím vzdělávání (kromě lehké znalosti konceptů kódování) a učí se s kódem, metaforou a vizuálem, které vám poskytnou okamžik ah ha. Je to praktické, ale zaměřuje se spíše na pochopení základů a méně na výkon dostupných nástrojů a knihoven.

✔ Možnost 3: Studijní program Vytvoření modelů strojového učení

Pokud už máte představu o tom, o čem strojové učení je nebo máte silné matematické pozadí, můžete se nejlépe pustit přímo do studijního programu Create Machine Učení Models. Tyto moduly učí některé koncepty strojového učení, ale rychle se dostanou k výkonu používání nástrojů, jako jsou scikit-learn, TensorFlow a PyTorch. Tento studijní program je také pro vás nejlepší, pokud hledáte jenom dostatek znalosti, abyste porozuměli příkladům strojového učení pro produkty, jako je Azure ML nebo Azure Databricks.

✔ Právě jste na této cestě, posuňte se dolů a začněte.

Požadavky

Tento studijní program předpokládá znalosti základních matematických pojmů. Zkušenosti s jazykem Python mohou být také užitečné.

Moduly v tomto studijním programu

Zkoumání a analýza dat je základem datových věd. Datoví vědci vyžadují dovednosti v programovacích jazycích, jako je Python, k prozkoumání, vizualizaci a manipulaci s daty.

Regrese je běžně používaný druh strojového učení pro predikci číselných hodnot.

Klasifikace je druh strojového učení, který slouží ke kategorizaci položek do tříd.

Clustering je typ strojového učení, který slouží k seskupení podobných položek do clusterů.

Hluboké učení je pokročilá forma strojového učení, která emuluje způsob, jakým se lidský mozek učí prostřednictvím sítí propojených neuronů.