Velkommen til jeres 10 dages Machine learning valgfags-kursus.
10 dage er utrolig lidt til at lære omkring Machine learning, vi kunne fylde flere hoved forløb med bare Machine Learning
Derfor tager vi et meget overordnet blik med en masse hands-on
<aside> 🚨 Der er 2 vigtige underfaner til projektet som man kan se her Opgaver til Machine Learning O og her ML Projekter. Udover Notion er der et PowerPoint-sæt til hele forløbet her - https://edumercantec.sharepoint.com/:p:/s/Programmering2/ER53c-0-naZKstlsxNMBGKwBJMDTPWqV7-VLYY_cY0T09w?e=8BMWMh
</aside>
Indholdsfortegnelse - Her kan i finde en oversigt over hvad vi skal lære om de næste 10 dage
Målpinde for ML - 17348
Der findes mange gratis kurser, som går mere i dybden med nogle af vores emner. De tager til gengæld også længere end 10 dage og har generelt mindre projekter end os. Herunder finder i en liste med kilder som jeg personligt kan anbefale!
[Machine learning is the] field of study that gives computers the ability to learn without being explicitly programmed.
*Arthur Samuel, 1959*
Vi har haft mange programmerings kurser og lavet flere software produkter inden det her kursus. Noget som er til fælles er at vi altid har programmet computeren og programmet til at gøre præcis som vi vil. Derfor skal vi også konkret beskrive alt hvad der skal ske og selv tænker alle muligheder igennem, mon vi kunne få en computer til det?
Vi ved allerede at computere langt bedre end os til mange ting, en af de ting er at behandle store mængde data. Her kan vi specielt bruge ML til at arbejde med det data, meget mere effektivt end hvis vi selv skulle designe modeller som altid løser problemet. Der er også problemer som vi ikke ville have mulighed for at løse uden ML.
[Vi låner en video fra Google omkring ML, langt de fleste emner går vi også igennem. Kurset som han omtaler er også under listen i starten! https://developers.google.com/machine-learning/crash-course/ml-intro](https://download.mlcc.google.com/mledu-videos/en/ml_intro_norvig.mp4)
Vi låner en video fra Google omkring ML, langt de fleste emner går vi også igennem. Kurset som han omtaler er også under listen i starten! https://developers.google.com/machine-learning/crash-course/ml-intro
Machine Learning Explained in 100 Seconds
Vi kigger her på 3 modeller som giver os et indblik i hvordan vi kan bruge ML til vores software udvikling
Den traditionelle
Traditionelt har vi bygget platforme som vores billede til venstre. Altså hvor vi selv studere problemet, vi laver regler og bygger systemer ud fra vores studie. Når vi har regler og systemer på plads evaluerer vi vores produkt og om det er klar til at lancere. Hvis ikke skal vi igennem hele møllen igen og ofte skrive nye regler og systemer.
https://learning.oreilly.com/library/view/hands-on-machine-learning/9781098125967/ch01.html
https://learning.oreilly.com/library/view/ai-and-machine/9781492078180/ch01.html#limitations_of_traditional_programming
ML Model
Den første model, hvor vi begynder at bruge ML er hvor vi erstatter vores selvskrevne regler og systemer med svar som vores ML model kommer frem med ud fra vores data.
Vi skal stadig evaluere vores resultat som ML modellen kommer med, men hvis de fejler, skal vi kun adaptere modellen og ikke manuelt skrive nye regler og systemer.
https://learning.oreilly.com/api/v2/epubs/urn:orm:book:9781098125967/files/assets/mls3_0102.png
https://learning.oreilly.com/api/v2/epubs/urn:orm:book:9781492078180/files/assets/aiml_0109.png
