基于TensorFlow的机器学习速成课程25讲视频全集（04-06讲）

【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）

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

课程目录

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

第四讲：降低损失

为了训练模型，我们需要一种可降低模型损失的好方法。迭代方法是一种广泛用于降低损失的方法，而且使用起来简单有效。

预计用时：5 分钟 学习目标

• 了解如何使用迭代方法来训练模型。
• 全面了解梯度下降法和一些变体，包括： 小批量梯度下降法 随机梯度下降法
• 尝试不同的学习速率。

第五讲：使用TensorFlow的基本步骤

预计用时：1 分钟 学习目标

• 了解如何在 TensorFlow 中创建和修改张量。
• 了解 Pandas 的基础知识。
• 使用 TensorFlow 的一种高级 API 开发线性回归代码。
• 尝试不同的学习速率。

第六讲：泛化

泛化是指模型很好地拟合以前未见过的新数据（从用于创建该模型的同一分布中抽取）的能力。

预计用时：5 分钟 学习目标

• 直观理解过拟合。
• 确定某个模型是否出色。
• 将数据集划分为训练集和测试集。

明天更新7~9讲，继续关注！

https://developers.google.cn/machine-learning/crash-course

-END-