Kurzy z Coursera jsou čím dál více oblíbenější a o jejich kvalitě asi není třeba diskutovat. Kurzy jsou často vyučovány kapacitami z daného oboru a způsob, jakým probíhá online výuka, není pouze suché čtení studijních materiálů, ale především snaha si v některých kurzech vyzkoušet i praktičtější úkoly.
Já koncem minulého roku procházel kurzem Machine Learning, který byl vedený kapacitou v oblasti strojového učení Andrew Ng ze Stanfordu.
Kurz jsem nedokončíl, protože v závěrečné fázi jsem už nenašel dostatek času na vypracování úloh a objevily se jiné věci, které mě zrovna pálily. Každopádně, prošel jsem řadou materiálů, shlédl hodiny video přednášek a vyzkoušel několik úkolů a zanechalo to ve mně skrze pozitivní pocity.
Kurz se zaobírá mnoha tématy. Na začátku se student seznámí s lineární regresí, která se používá nejen v klasifikátorech, ale také při predikci. Seznámí se s algoritmy, které je nutné znát pro to, jak lineární regrese funguje a jak ji z daných dat určit.
Dále se kurz zabývá úvodem do neuronových sítí, kde vcelku pěkně přednášející prezentuje základní koncepty tohoto úžasného modelu. Dále se kurz zaobírá shlukovou analýzou, kterou lze použit třeba tehdy, když chcete najít v datech podmnožiny objektů, které mají k sobě “blízko”.
Jsou zde také témata zabývající se detekcemi anomálií v datech – v praxi lze použit, třeba když chcete najít uživatele, kteří se chovají jinak, než většina. Také jsou zde témata zabývající se recommendation systémy nebo jak výsledky algoritmů strojového učení validovat a testovat.
Témat je tam skutečně celá řada a některé jsem ani nezmiňoval. Někdy je nutné ustát i trochu lineární algebry, ale to je z mého pohledu jen malé utrpení s ohledem na zajímavé znalosti, které člověk může získat.
Zmiňuji to hlavně proto, že začátkem března začne další session, takže kdyby měl někdo zájem, určitě může tento kvalitně zpracovaný kurz taky vyzkoušet a dozvědět se něco nového. Kurz najdete zde.