课程地址:https://developers.google.cn/machine-learning/crash-course/
目录
简介:
前提条件和准备工作
机器学习概念:
框架处理(15 分钟)机器学习中的监督学习
深入了解机器学习(20 分钟)什么是损失函数,权重和 bias 是什么
降低损失(60 分钟)两种梯度下降,及对学习率的实验
使用 TensorFlow 基本步骤(60 分钟)不能不懂的 TensorFlow
泛化(15 分钟)什么是过拟合,怎样评价一个模型的好坏,把数据集分成测试和训练两部分
训练及测试集(25 分钟)验证把数据集分成两部分的好处
验证(40 分钟)担心过拟合?在测试和训练集外多弄一个验证集
表示法(65 分钟)特征工程,75% 机器学习工程师的时间都在干的事
特征组合(70 分钟)明白什么是特征组合,怎么用 TensorFlow 实现
正则化:简单性(40 分钟)L2 正则化,学习复杂化和普遍化的取舍
逻辑回归(20 分钟)理解逻辑回归,探索损失函数和正则化
分类(90 分钟)评估一个逻辑回归模型的正确性和精度
正则化:稀松性(45 分钟)L2 的其他种类
介绍神经网络(40 分钟)隐藏层,激活函数
训练神经网络(40 分钟)反向传播
多种类神经网络(50 分钟)理解多类分类器问题,Softmax,在 TensorFlow 中实现 Softmax 结果。
嵌入(80 分钟)什么是嵌入,这是干什么的,怎样用好。
工程:
生产 ML 系统(3 分钟)ML 生产中的宽度
静态 vs. 动态训练(7 分钟)静态和动态训练的优缺点
静态 vs. 动态推断(7 分钟)静态和动态推断的优缺点
数据依赖(14 分钟)理解 ML 中的数据依赖
生活中实际的 ML 例子:
预测癌症(5 分钟)
18 世纪文献(5 分钟)
真实世界方针(2 分钟)
结论:
下一步要学习的内容,推荐了 TensorFlow,Google 的课程深度学习,及 Kaggle 比赛等。
领取专属 10元无门槛券
私享最新 技术干货