El programa Machine Learning Nanodegree ahora está dividido en dos submódulos que no estaban allí antes. Facilita a un principiante a recoger rápidamente la pista y a un avanzado para elegir rápidamente el curso correcto que necesita.
> Conceptos básicos: contiene dos proyectos técnicos con requisitos previos mínimos.
> Avanzado: contiene tres proyectos técnicos, incluido un proyecto final.
- ¿Cuál es la explicación intuitiva y práctica del algoritmo AdaBoost utilizado en el artículo de Viola-Jones sobre detección de rostros, en lenguaje moderadamente técnico?
- ¿Cuál es una buena manera de entender esta optimización mediante el uso de un multiplicador lagrangiano?
- ¿Qué métodos existen para combatir los problemas de gradiente de desaparición y explosión?
- ¿Las computadoras son ahora jugadores de póker más fuertes que los humanos?
- Cómo calcular la similitud de coseno entre tweets
Cada proyecto tiene video conferencias y cuestionarios en clase para practicar. Cada proyecto tiene su propia rúbrica. Los revisores califican proyectos basados en estas rúbricas. Los estudiantes pueden enviar tantas veces como quieran. La presentación del proyecto se realiza a través del repositorio de Github o archivos comprimidos.
P0: Exploración de supervivencia titánica (opcional)
Este es un proyecto opcional que utiliza el conjunto de datos Titanic de Kaggle. Es un problema de clasificación en el que tenemos que predecir el resultado de supervivencia de los pasajeros. Se supone que debe familiarizar a los estudiantes con el ciclo de envío y revisión.
P1: predicción de precios de viviendas en Boston
Este es uno de los proyectos obligatorios. Utiliza técnicas de aprendizaje supervisado para predecir el precio de las casas en el área de Boston. Es un conjunto de datos clásico del Depósito de aprendizaje automático de UCI. El objetivo es elegir el modelo con mejor rendimiento utilizando aprendizaje supervisado.
P2: Construyendo un Sistema de Intervención Estudiantil
Este es un problema de clasificación en el que la tarea es identificar a los estudiantes que podrían necesitar intervención temprana antes de que no se gradúen. Este proyecto ha sido reemplazado por una versión más nueva en el plan de estudios actual.
P3: creación de segmentos de clientes
Aquí se exploran técnicas de aprendizaje no supervisadas como PCA y clustering con el conjunto de datos de clientes mayoristas del repositorio UCI.
P4: entrena un Smartcab para conducir
Las lecciones de este proyecto se centran en el aprendizaje por refuerzo. El objetivo es llevar una cabina inteligente desde un punto de partida hasta un punto final dándole retroalimentación a través del aprendizaje de refuerzo.
P5: clasificar imágenes
Este proyecto implementa métodos de aprendizaje profundo para el conjunto de datos CIFAR-10 usando Tensorflow.
Después de haber declarado que le recomendaría encarecidamente que si está comenzando y desea que la mayoría de estos proyectos se enseñen en el nanogrado, no solo debe auditar el curso sino inscribirse en él. Aprenderá mucho al completar el curso, discusiones, revisiones amigables de proyectos, tutoría individual en lugar de hacer solo los proyectos por su cuenta.
Udacity también sigue actualizando los proyectos, ya que están estrechamente sincronizados con la tendencia y lo que dará el máximo a su aprendizaje.
También hay becas disponibles para ciertos nanogrados que duran todo el año. Si realmente quieres uno, sigue leyendo su blog. Udacity cree en el aprendizaje accesible ya sea para estudiantes o profesionales.
También tiene una prueba de 7 días sin preguntas que puede optar. Aquí están los enlaces para sus referencias:
Udacity Machine Learning Nanodegree
Udacity Deep Learning Nanodegree
Saludos!
