読者です 読者をやめる 読者になる 読者になる

CourseraのMachine Learning Foundations: A Case Study Approachを受講 & 修了した

couseraのコース、人生初修了!
https://www.coursera.org/learn/ml-foundations
https://www.coursera.org/account/accomplishments/certificate/4VN5VC73889M
履修して良かったな〜と思えるコースだった割には、このコースを始める前に色々とぐぐった時には日本語の情報は見付けられなかったので、メモなど。

Why I choose this course?

  • 機械学習の盛り上がり。
    • この分野のspecialistにはなれなそうだけど、面白そうだし、ある程度の素養を付けておきたい。
    • deep learning, neutral networkの概念が理解できてない。 最低限の理論が分かってライブラリがあれば使える程度には理解したい。
  • これ系は色んな本に手を出したけど、なかなか最後まで続かない。。
    • 進捗が見えやすくてshareもできるmoocの中で色々と比較検討し、このコースに辿り着いた。
  • Coursera内ではこっちのコースの方がmajorっぽく、日本語の修了ブログも散見されたけど、Syllabusを見るに今の自分のスキルで、これを1人で修了するのは厳しそう。
  • ↑のコースが全11週なのに対し、これは全6週。何とかいけそう!?
  • 実際にはこのコースは↓のSpecializationの最初のコースで、このコースで最初にさらっと色んな分析手法の概要を説明して、各手法の詳細については後続のコースで詳細を学ぶ形。
  • 使用している言語がpythonなので、とっつきやすそう & 業務とかに転用しやすそう。

実際始めてみて、最初のほうであれっと思ったのは、quizの回答をsubmitするだけでも、$79の有料コースに登録する必要あり。(昔は違ったような) ちょっと迷ったのですが、分かりやすいフィードバックがないと、本読んでるのと同じ感じになって心が折れそうな気がしたのと、week1とweek2のquizの手前までで、先生の雰囲気がいい感じで、続けられそうな気がしたので、week2のquizのタイミングから、えいやっと有料コースに登録して履修していました。Stanfordのほうは11週で$49に対し、こっちは6週で$79なので、相当な割高感は否めませんが。。

How was it?

  • どっちの先生も声がクリアで、そんなに早く喋らないので英語は結構聞き取りやすかった。
    • 今の所、日本語の字幕は存在しない。
  • 数学的知識は(良くも悪くも)あまり必要なし。
    • 各手法の概念や触りの数式がlecutureで説明されて、それを実現する部分は細かいロジックはすっ飛ばしてgraphlabの関数を利用。
    • 細かいロジックの話は後続のコースでフォローされる模様。
  • 細かい所は飛ばしつつも、ちゃんと動く物がoutputとしてできるし、自分の知識レベルだと、いきなり一つずつ深入りされてしまうと、容易に居場所を見失ってしまうので、このアプローチは自分にとってはすごく良かった!
  • graphlab すごい
    • ちょっとしたレコメンド機能とかはほんとサクッと作れてしまう時代なんだな〜と。
    • ただし、このコースに出てくるのは単一マシン上で走るロジックばかりで、scaleしなそう。scale outついてはこのコースでは触れられず。
    • 後続コースの紹介で、map-reduceに触れるそうなので、scale outのさせ方についてはそこで説明がありそう。
  • ipython notebook すごい
  • week2 以降の課題は、レクチャーの内容をちょっとだけひねった感じ。別途hintもあるので、それに従ってやっていけばOK。
  • 第6週 (deep learning) だけ、ぐっと難易度が高めに感じた。
    • 他の週以上に、色んな難しいことはすっ飛ばされてはいるんだけど、逆にすっ飛ばされすぎてて何をやってるかよく分からずで、他の手法と同じ時間内にまとめること自体に無理があるように感じた。
    • Capstone までたどり着いて、もう少し理解できるようになりたい。。

次の"Machine Learning: Regression" も修了してブログ書くぞ!きっと。少し間を空けてから。。