読者です 読者をやめる 読者になる 読者になる

機械学習・深層学習を学ぶ

機械学習や深層学習関連について初心者が学びます。画像処理系のシステムを作ってみます。

CourseraのMachine Learning コースを終えました

Courseraの機械学習コースを完了しました。ほぼ毎日1コマ〜2コマ進めてました。

www.coursera.org

終わると↓のような文字がコースのページに表示されるみたい。あとメールが来る。それ以外については特に無しですw

f:id:mict:20160223101208p:plain

小テストを各回でやる必要があり、4/5以上とらないと先に進めない仕組みとなっています。自分の場合いくつか4/5のまま放置していたのもあって最終的な成績は97.3%でした。

このコースは本当に秀逸で、知る必要があるトピックをほぼ一通り学ぶことができます。なので初心者の方にぜひおすすめしたいです。

 

このコースで身につくこと

"機械学習"のエッセンスの理解。なんとなくscikit-learnで分析できます!ではなくて、ライブラリが裏でどんな処理をしているのか勘が働くようになる。紹介されたアルゴリズムについては本質的な理解が進む。

 

その結果、以下のことができるように。

・どの課題にはどんなアルゴリズムが良さそうかわかる。

・紹介されたアルゴリズムについてはパラメーターの最適化ができるようになる。

・調べて自分でアルゴリズムを実装できる(気がするようになった)

 

一方で身につかないこと

・データの前処理の方法。データの事前分析の方法など。

・特徴量を自分で設計する方法。

・得られた結果の解釈の部分。

・学んだアルゴリズムを応用できるか、という部分。

 

正直、この講座を終えた所で"初心者"にようやくなれたというレベルなので、今後の精進が必要ですね。。。

 

下記のリンクではこの講座を終えた後にどんな学習をすべきか議論されてます。

I have completed Andrew Ng's Coursera class on Machine Learning. What should I do next? What *can* I do next? - Quora

いくつかピックアップします。

 

1.Andrew Ng氏のStanford学部生向けの講義を聞いてみる

www.youtube.com

 

2.大学提供の講義を取る

cs231n.github.io

画像解析系に興味があるならばこちら。Stanford大。動画はまだ公開されていないみたいですがレクチャーノートやチュートリアルがとても充実していてとても良さそうです。

また、下は2015年度のHarvard大の講義。こちらもすごく良さそう。

CS109 Data Science

I feel that Harvard's CS109 Data Science covers (at least to a greater extent) the "street knowledge" of data science. This "street knowledge" is essential in real world because problems don't come in structures nor do they have a specific objective for an analyst to be able to just apply a machine learning algorithm to it (more often than not).

 

3. テキスト読解の道へすすむ

www.metacademy.org

MetacademyというサイトがNg氏を終えた後にどんな本をやるべきかまとめてます。

このサイト、Learning planをまとめてるサイトで、すごい好きなコンセプトです。このブログも門外漢が機械学習をどう学ぶべきかまとめられば嬉しいです。日本でもあればいいのに。時間があれば作ってみたいサイトの一つ。

 

3. 他のMOOCの講座を取る

Introduction to Data Scienceという講座

https://www.coursera.org/course/datasci

This is definitely a good course to go through if you're thinking "big data" and thinking about computation / scaling in the future. I like this course because it doesn't confine learning data science to R/python/octave (although there're assignments in R, python and SQL). The philosophy behind the course, I feel, is that technology will change but it's important to know the underlying principles.

だそうです。

またおすすめされてるのが、UdacityのDeep Learningコースですね。

 

4. Kaggleの道(多分無理だ)

 

5. 自分のプロジェクトをすすめる

Ng氏曰く、

1. Many people are applying ML to projects by themselves at home, or in their companies. This helps both with your learning, as well as helps build up a portfolio of ML projects in your resume (if that is your goal). If you're not sure what projects to work on, Kaggle competitions can be a great way to start. Though if you have your own ideas I'd encourage you to pursue those as well. If you're looking for ideas, check out also the machine learning projects my Stanford class did last year: http://cs229.stanford.edu I'm always blown away by the creativity and diversity of the students' ideas. I hope this also helps inspire ideas in others!

だそうです。

Redditで色々質問答えているので見たらいいかも。

www.reddit.com

自分はこの中で言うなら画像解析系のほうに興味があるので、Stanfordの講座やりつつ、CourseraのIntroduction to Data Scienceを取ろうかなと思ってます。前者はいろいろ試行錯誤できそうなので。また、後者はデータ処理の基礎を学べるみたいなので。

試してみて違ったら別の講座取ります。