Октябрьские перезапуски для анализа данных, машинного обучения и алгоритмов в MOOC

Если вы пропустили интересный MOOC в первый раз или начали его, но не закончили, у вас, скорее всего, появится второй шанс, если вы будете следить за обновлениями. Вот смешанный набор настоятельно рекомендуемых классов, которые теперь доступны для изучения.

Студенты, изучающие компьютерный язык, — это Python, но вместо того, чтобы пытаться обучать Python, им предоставляется код для редактирования и развития записных книжек Jupyter, ранее известных как записные книжки iPython и широко используемых в исследованиях.

Все необходимое для курса — Python, модуль panda (Python Data Analysis Library) и данные — было собрано вместе для удобства, и студентам предоставляются два бесплатных метода доступа к нему: Sage MathCloud или Anaconda. Судя по комментариям студентов, последний вариант представляет немало препятствий. С другой стороны, студенты, столкнувшиеся с трудностями, могут ожидать быстрого ответа от наставников курса и других студентов.

Хотя полезно придерживаться расписания с точки зрения участия в обсуждениях, что активно поощряется, после того, как вы присоединились к курсу, вы можете пройти его в своем собственном темпе. Материалы курса, включая задания, полностью бесплатны, а после успешного завершения можно приобрести сертификат об участии, если он вам нужен.

Как следует из названия, машинное обучение для музыкантов и артистов нацелено на определенную аудиторию. Это на Каденце. онлайн-платформа для обучения искусству, разработанная Goldsmiths, Лондонский университет. Это 7-недельный курс, хотя при необходимости вы можете занять больше времени и, согласно его описанию:

В этом курсе студенты изучат фундаментальные методы машинного обучения, которые можно использовать для понимания человеческих жестов, музыкального звука и других данных в реальном времени. Основное внимание будет уделяться изучению алгоритмов, программных инструментов и передовых методов, которые могут быть немедленно использованы для создания новых систем реального времени в искусстве.

Конкретные темы обсуждения включают:

• Что такое машинное обучение?
• Распространенные типы машинного обучения для понимания действий человека и данных датчиков с упором на классификацию, регрессию и сегментацию.
• «Конвейер машинного обучения»: понимание того, как сигналы, функции, алгоритмы и модели сочетаются друг с другом, и как выбирать и настраивать каждую часть этого конвейера для получения хороших результатов анализа.
• Стандартные инструменты для машинного обучения (например, Wekinator, Weka, GestureFollower)
• Методы извлечения и анализа признаков, которые хорошо подходят для музыки, танцев, игр и визуального искусства, особенно для анализа движений человека и анализа звука.
• Как подключить инструменты машинного обучения к распространенным инструментам цифрового искусства, таким как Max / MSP, PD, ChucK, Processing, Unity 3D, SuperCollider, OpenFrameworks.
• Введение в дешевые и простые технологии распознавания, которые можно использовать в качестве входных данных для систем машинного обучения (например, Kinect, компьютерное зрение, аппаратные датчики, игровые контроллеры).

Рекомендуется иметь некоторый опыт программирования, чтобы максимально использовать практические аспекты курса, и для этого у Канденце есть курсы, знакомящие с обработкой (см. Nature Of Code MOOC From Processing Foundation) и ChucK.

Kadenze также предлагает курс по Tensor Flow, который может стать хорошим продолжением Future Learn to Code for Data Analysis, поскольку он также использует Python / Jupyter. Это только что подходит к концу его первой презентации, а следующая начнется 25 октября 2016 года и продлится до февраля 2017 года. Она привлекла хорошие отзывы на Class Central, в том числе эта, дающая ей 4 звезды из 5 от студента, все еще изучающего ее. :

Веселая и информативная комбинация обучения TensorFlow с примерами приложений, использующих нейронные сети для анализа изображений, визуализации, а также создания текста и музыки. Курс представляет собой минимальное количество теории и имеет практический подход. Типичный сеанс включает в себя создание и запуск базовой глубокой сети для задачи с использованием команд TensorFlow (в Python на Jupyter notebook), понимание того, что это делает, а затем управляемое использование более продвинутой модели. Задания начинаются с заполненной на 90% записной книжки с пропусками, которые необходимо заполнить, и параметрами, которые необходимо настроить.

Этот поступил от студента, который закончил курс и получил 5 звезд:

Фантастический курс, движется очень быстро, огромная кривая обучения, непрограммисты могут бороться, будьте готовы к большому количеству чтения, инструктор один на один с каждым учеником на форумах, когда вы закончите, вы поймете, что вошли в новую вселенную возможности.

Вы можете пройти курсы Kadenze бесплатно, включая доступ к его дискуссионным форумам, которые, как правило, хорошо используются и хорошо работают. Однако для участия в заданиях и получения оценки и сертификата вам понадобится подписка на премиум-членство, которая стоит 10 долларов в месяц или 99 долларов в течение всего года. Это охватывает полный доступ ко всем курсам Kadenze, которых более 40, и добавляются новые.

В октябре также был возвращен курс Джеффри Хинтона «Нейронные сети с машинным обучением» из Университета Торонто, курс, который я закончил на первоначальной презентации и хотел бы порекомендовать. Первое посещение повторного показа, как только он открылось, оставило меня разочарованным тем, что на нем, похоже, нет форума для обмена идеями и поддержки по любым проблемам — то, что необходимо для курса такой сложности. В какой-то момент с тех пор все изменилось. Существует не только дискуссионная группа, но и множество наставников, которые решают проблемы. Кроме того, он изменил свой статус с бесплатного самостоятельного обучения без сертификата на 15-недельный курс (заканчивающийся 16 января) с возможностью получения сертификата, который еще можно заработать, поскольку, несмотря на то, что тесты за первые две недели теперь отмечены просрочено нет штрафа за позднюю подачу. Также есть большая вероятность, что курс будет повторно открываться через определенные промежутки времени, и студенты смогут переносить оценки на новую сессию.

Другой классический курс Coursera, уже перешедший на новую платформу Coursera, теперь изменил свой формат. Еще в августе мы сообщали, что очень популярный Стэнфордский МООК, созданный Тимом Рафгарденом, состоит из двух частей, посвященных проектированию и анализу алгоритмов. Это все еще так, но теперь оно превратилось в специализацию. Объясняя это изменение курса (каламбур), инструктор отправил студентам по электронной почте следующую информацию:

Части 1 и 2 «Алгоритмы: проектирование и анализ» будут повторно запущены в качестве специализации «Алгоритмы» 10 октября 2016 г. Новая специализация будет охватывать тот же материал, что и эти два курса, с несколькими дополнительными заданиями, распределенными на 16 недель ( 4 четырехнедельных курса), а не 12 недель. Я надеюсь, что несколько более медленный темп и дополнительные вехи позволят большему количеству учащихся завершить весь материал. На протяжении многих лет многие ученики говорили мне, что каждую неделю слишком много материала, чтобы успевать за ними. Первоначальная версия курса была оптимизирована для студентов очных отделений бакалавриата, в то время как у многих слушателей этих онлайн-курсов есть работа, семья и другие обязанности. Как всегда, содержание специализации будет в свободном доступе; оплата требуется только для получения оценки и аттестата.

В отличие от других специализаций Coursera, здесь нет заключительного проекта, но если вы хотите следовать бесплатным маршрутом, вам необходимо зарегистрироваться для аудита следующих четырех курсов, все из которых находятся на среднем уровне.

Разделяй и властвуй, сортировка и поиск, рандомизированные алгоритмы

Поиск по графику, кратчайшие пути и структуры данных

Жадные алгоритмы, минимальные связующие деревья и динамическое программирование

Пересмотр кратчайших путей, NP-полные проблемы и что с ними делать

Первая из серии начнется 24 октября и, как часть специализации, будет доступна на постоянной основе. Настоятельно рекомендуется. Часть 1 была одним из самых первых предложений на Coursera. и получил более полумиллиона зачисленных, и обе части высоко оценены на Class Central, где вы найдете множество обзоров.