机器学习速成课程-使用TensorFlow API

近期，Google 上线了机器学习速成课程--使用TensorFlow API 这门课，最为重要的是此视频讲座的中文配音是使用机器学习技术生成的，这简直就是国内广大机器学习爱好者的福音。

网站地址：https://developers.google.com/machine-learning/crash-course/

根据介绍，机器学习速成课程并不会假定或要求您预先掌握机器学习方面的任何知识。但是，为了能够理解课程中介绍的概念并完成练习，您最好满足以下前提条件：

掌握入门级代数知识。您应该了解变量和系数、线性方程式、函数图和直方图（熟悉对数和导数等更高级的数学概念会有帮助，但不是必需条件）。

熟练掌握编程基础知识，并且具有一些使用 Python 进行编码的经验。机器学习速成课程中的编程练习是通过 TensorFlow 并使用 Python 进行编码的。您无需拥有使用 TensorFlow 的任何经验，但应该能够熟练阅读和编写包含基础编程结构（例如，函数定义/调用、列表和字典、循环和条件表达式）的 Python 代码。

准备工作：

可使用Colaboratory平台直接在浏览器中运行编程练习（无需设置！）。Colaboratory 支持大多数主流浏览器，并且在 Chrome 和 Firefox 的各个桌面版本上进行了最全面的测试。如果您想下载并离线运行这些练习，请参阅有关设置本地环境的说明。

Pandas 使用入门

机器学习速成课程中的编程练习使用 Pandas 库来操控数据集。如果您不熟悉 Pandas，最好先学习 Pandas 简介教程，该教程介绍了练习中使用的主要 Pandas 功能。

低阶 TensorFlow 基础知识

机器学习速成课程中的编程练习使用 TensorFlow 的高阶 tf.estimator API 来配置模型。如果您有兴趣从头开始构建 TensorFlow 模型，请学习以下教程：

TensorFlow Hello World 在低阶 TensorFlow 中编码的“Hello World”。

TensorFlow 编程概念 演示了 TensorFlow 应用中的基本组件：张量、指令、图和会话。

创建和操控张量 张量快速入门：TensorFlow 编程中的核心概念。此外，还提供了线性代数中的矩阵加法和乘法方面的复习进修内容。

中级 Python 及第三方Python 库

列表表达式及Lambda 函数

Matplotlib（适合数据可视化,pyplot 模块,cm 模块,gridspec 模块)

Seaborn（适合热图heatmap 函数)

Pandas（适合数据处理DataFrame类)

NumPy（适合低阶数学运算linspace 函数 random 函数 array 函数 arange 函数)

scikit-learn（适合评估指标metrics 模块)

机器学习速成课程包含一系列视频讲座课程、实际案例分析和实践练习。

同时在本课程中将解答如下问题，了解 Google 专家针对机器学习方面的关键概念提供的最佳做法。

整个课程包括四个大的部分， 简介，机器学习概念，机器学习工程以及机器学习现实世界应用示例。以下为学习的目录：

心动不如行动，让我们一起开始学习这门课程吧！