【导读】前些日子,大家都知道,Google 上线了基于 TensorFlow 的机器学习速成课程,它包含 40 多项练习、25 节课程以及 15 个小时的紧凑学习内容。
基于TensorFlow的机器学习速成课程25讲视频全集(01-03讲)
基于TensorFlow的机器学习速成课程25讲视频全集(04-06讲)
本课程是机器学习热爱者的自学指南,且课程资料都是中文书写,课程视频都由机器学习技术转述为中文音频。这对于中文读者来说将会有很大的帮助,我们也能选择英文语音以更精确地学习内容。这曾是 Google 内部培训工程师的课程,有近万名 Google 员工参与并将学到的东西用在产品的优化和增强上。
课程网址:
https://developers.google.cn/machine-learning/crash-course
注:最低下角可点击切换到中文版
机器学习概念
01-03讲:机器学习简介、框架处理、深入了解ML
04-06讲:降低损失、使用TF的基本步骤、泛化
07-09讲:训练集和测试集、验证、表示法
10-12讲:特征组合、简单正则化、逻辑回归
13-15讲:分类、稀疏性正则化、神经网络简介
16-18讲:训练神经网络、多类别神经网络、嵌套
机器学习工程
19-20讲:生产环境机器学习系统、静态与动态训练
21-22讲:静态与动态推理、数据依赖关系
应用示例
23-25讲:癌症预测、18世纪文字、应用准则
特征组合是指两个或多个特征相乘形成的合成特征。特征的相乘组合可以提供超出这些特征单独能够提供的预测能力。
预计用时:5 分钟
学习目标
了解特征组合。
在 TensorFlow 中实施特征组合。
正则化指的是降低模型的复杂度以减少过拟合。
预计用时:5 分钟
学习目标
了解复杂度与泛化之间的权衡。
使用 L2 正则化进行实验。
逻辑回归会生成一个介于 0 到 1 之间(不包括 0 和 1)的概率值,而不是确切地预测结果是 0 还是 1。以用于检测垃圾邮件的逻辑回归模型为例。如果此模型推断某一特定电子邮件的值为 0.932,则意味着该电子邮件是垃圾邮件的概率为 93.2%。更准确地说,这意味着在无限训练样本的极限情况下,模型预测其值为 0.932 的这组样本实际上有 93.2% 是垃圾邮件,其余的 6.8% 不是垃圾邮件。
预计用时:4 分钟
学习目标
了解逻辑回归。
了解逻辑回归的损失和正则化函数。
明天更新13~15讲,继续关注!
https://developers.google.cn/machine-learning/crash-course
-END-
专 · 知
人工智能领域主题知识资料查看获取:【专知荟萃】人工智能领域26个主题知识资料全集(入门/进阶/论文/综述/视频/专家等)
请PC登录www.zhuanzhi.ai或者点击阅读原文,注册登录专知,获取更多AI知识资料!
请扫一扫如下二维码关注我们的公众号,获取人工智能的专业知识!
请加专知小助手微信(Rancho_Fang),加入专知主题人工智能群交流!加入专知主题群(请备注主题类型:AI、NLP、CV、 KG等)交流~
投稿&广告&商务合作:fangquanyi@gmail.com
点击“阅读原文”,使用专知