谷歌重回中国,在北京组建人工智能和机器学习团队,昨天(3月1日)又上线了机器学习速成课程的中文版,免费提供机器学习课程指导,这个课程最大的特点就是有完整的中文资料、中文语音和视频字幕以及相应的中文测试题,非常适合初学者,可谓良心。顺便提一句,整个视频的配音都是使用机器学习技术生成的。
课程地址:https://developers.google.cn/machine-learning/crash-course/
课程详情
以下是整个课程的目录:
简介
- 目标
- 前提条件和准备工作
机器学习概念
- 框架处理(15 分钟)机器学习基础属术语
- 深入了解机器学习(20 分钟)线性回归,训练与损失
- 降低损失(60 分钟)两种梯度下降方法,及对学习速率的实验
- 使用 TF 的基本步骤(60 分钟)
- 泛化(15 分钟)什么是泛化,什么是过拟合,怎样评价一个模型的好坏
- 训练及测试集(25 分钟)把数据集分成训练集和测试集
- 验证(40 分钟)验证集
- 表示法(65 分钟)特征工程
- 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)L1 于 L2 正则化
- 神经网络介绍(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,协同过滤,嵌套
机器学习工程
- 生产环境机器学习系统(3 分钟)
- 静态训练与动态训练(7 分钟)静态和动态训练的优缺点
- 静态推断与动态推断(7 分钟)静态和动态推断的优缺点
- 数据依赖关系(14 分钟)理解机器学习中的数据依赖
机器学习现实世界应用示例
- 癌症预测(5 分钟)
- 18 世纪文献(5 分钟)
- 现实世界应用准则(2 分钟)
结论
- 后续步骤:推荐了机器学习和 TensorFlow 的学习资料,以及 Kaggle 比赛。
同时,Google还提供了大量的练习题和机器学习的术语库,极大方便了学习巩固。