Создание моделей машинного обучения

Microsoft Learn предлагает несколько интерактивных способов ознакомления с классическим машинным обучением. Эти пути обучения помогут вам продуктивно работать самостоятельно, а также станут отличной базой для перехода к темам глубокого обучения.

Начиная с самых базовых классических моделей машинного обучения и заканчивая анализом данных и настройкой архитектур, вы будете руководствоваться легко усваиваемым концептуальным содержанием и интерактивными блокнотами Jupyter, не выходя из браузера.

Выберите свой собственный путь в зависимости от вашего образования и интересов.

Вариант 1: Полный курс: Основы науки о данных для машинного обучения

Этот путь рекомендуется для большинства людей. Он содержит все те же модули, что и два других пути обучения, с индивидуальным потоком, который позволяет максимально закрепить понятия. Если вы хотите узнать как о базовых концепциях, так и о том, как строить модели с помощью наиболее распространенных инструментов машинного обучения, этот путь для вас. Это также лучший путь, если вы планируете выйти за рамки классического машинного обучения и получить образование в области глубокого обучения и нейронных сетей, которые мы здесь только представляем.

Вариант 2: Путь обучения “Понять науку о данных для машинного обучения

Если вы хотите понять, как работает машинное обучение, и у вас нет большого математического опыта, то этот путь для вас. Он не предполагает наличия предыдущего образования (кроме легкого знакомства с концепциями кодирования) и обучает с помощью кода, метафор и визуальных образов, которые дадут вам момент “ах-ха”. Это практический курс, но он больше сосредоточен на понимании основ и меньше – на возможностях доступных инструментов и библиотек.

✔ Вариант 3: Путь создания моделей машинного обучения

Если вы уже имеете некоторое представление о том, что такое машинное обучение, или у вас сильная математическая подготовка, вам может понравиться курс “Создание моделей машинного обучения”. В этих модулях преподаются некоторые концепции машинного обучения, но при этом они быстро развиваются, чтобы можно было перейти к использованию таких инструментов, как scikit-learn, TensorFlow и PyTorch. Этот путь обучения также подойдет вам, если вы ищете достаточно знаний для понимания примеров машинного обучения для таких продуктов, как Azure ML или Azure Databricks.

✔ Вы сейчас находитесь на этом пути, прокрутите вниз, чтобы начать.

Предварительные условия

Этот путь обучения предполагает знание основных математических понятий. Также полезен некоторый опыт работы с Python.