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。