吴恩达电子书《机器学习向往—机器学习时代AI工程师的技术策略》，附中英文版PDF下载

【导读】吴恩达的免费电子书《Machine Learning Yearning》以较高的层次为我们介绍了许多在机器学习时代AI工程师应该掌握的技术策略。该书并不聚焦于具体的AI算法，而是为我们介绍了许多具有泛化性的如何让AI算法有效工作的技术。

人工智能正在改变许多行业。《Machine Learning Yearning: Technical Strategy for AI Engineers, In the Era of Deep Learning》（《机器学习向往—机器学习时代AI工程师的技术策略》）是一本由Andrew Ng提供的免费电子书，教你如何组织机器学习项目。这本书的重点并不是教你具体的机器学习算法，而是如何让机器学习算法有效工作。

读完这本书，你将能够：

• 优先考虑最有前景的AI项目方向

• 诊断机器学习系统中的错误

• 在复杂的设置中进行机器学习，例如不匹配的训练/测试集

• 建立一个机器学习项目来达到或超越人类的水平

• 了解何时以及如何应用端到端学习、迁移学习和多任务学习

该书的原版为英文版，Github上也有该书的开源中文翻译版：

https://github.com/deeplearning-ai/machine-learning-yearning-cn

《Machine Learning Yearning》的内容如下（参考自翻译版）：

• 机器学习为什么需要策略?

• 如何使用此书来帮助你的团队

• 先修知识与符号说明

• 规模驱动机器学习发展

• 开发集和测试集的定义

• 开发集和测试集应该服从同一分布

• 开发集和测试集应该有多大？?

• 使用单值评估指标进行优化

• 优化指标和满意度指标

• 通过开发集和度量指标加速迭代

• 何时修改开发集、测试集和指标

• 小结：建立开发集和测试集

• 快速构建并迭代你的第一个系统

• 误差分析：根据开发集样本评估想法

• 在误差分析时并行评估多个想法

• 清洗误标注的开发集和测试集样本

• 将大型开发集拆分为两个子集，专注其一

• Eyeball 和 Blackbox 开发集该设置多大？

• 小结：基础误差分析

• 偏差和方差：误差的两大来源

• 偏差和方差举例

• 与最优错误率比较

• 处理偏差和方差

• 偏差和方差间的权衡

• 减少可避免偏差的技术

• 训练集误差分析

• 减少方差的技术

• 诊断偏差与方差：学习曲线

• 绘制训练误差曲线

• 解读学习曲线：高偏差

• 解读学习曲线：其它情况

• 绘制学习曲线

• 为何与人类表现水平进行对比

• 如何定义人类表现水平

• 超越人类表现水平

• 何时在不同的分布上训练与测试

• 如何决定是否使用你所有的数据

• 如何决定是否添加不一致的数据

• 给数据添加权重

• 从训练集泛化到开发集

• 辨别偏差、方差和数据不匹配误差

• 解决数据不匹配问题

• 人工合成数据

• 优化验证测试

• 优化验证测试的一般形式

• 强化学习举例

• 端到端学习的兴起

• 端到端学习的更多例子

• 端到端学习的优缺点

• 流水线组件的选择：数据可用性

• 流水线组件的选择：任务简单性

• 直接学习更为丰富的输出

• 根据组件进行误差分析

• 误差归因至某个组件

• 误差归因的一般情况

• 组件误差分析与人类水平对比

• 发现有缺陷的机器学习流水线

• 建立超级英雄团队 - 让你的队友阅读这本书吧！

完整中英文PPT下载

请关注专知公众号（点击上方蓝色专知关注）

• 后台回复“MLYEC” 就可以获取完整版中英文《Machine Learning Yearning》Pdf的下载链接~ 

教程部分截图如下所示：

参考资料：

• https://www.deeplearning.ai/machine-learning-yearning/

• https://github.com/deeplearning-ai/machine-learning-yearning-cn

-END-

专 · 知

专知，专业可信的人工智能知识分发，让认知协作更快更好！欢迎注册登录专知www.zhuanzhi.ai，获取5000+AI主题干货知识资料！

欢迎微信扫一扫加入专知人工智能知识星球群，获取最新AI专业干货知识教程视频资料和与专家交流咨询！

请加专知小助手微信（扫一扫如下二维码添加），获取专知VIP会员码，加入专知人工智能主题群，咨询技术商务合作~

点击“阅读原文”，了解注册成为专知会员，查看5000+AI主题知识资料