基于TensorFlow的机器学习速成课程25讲视频全集（07-09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）

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

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

第七讲：训练集和测试集

测试集是用于评估根据训练集开发的模型的数据集。

预计用时：2 分钟 学习目标

• 了解将数据集分成训练集和测试集的优势。

第八讲：验证

通过将数据集划分为训练集和测试集，您可以判断给定模型能否很好地泛化到新数据。不过，当进行多轮超参数调整时，仅使用两类数据可能不太够。

预计用时：2 分钟 学习目标

• 了解验证集在划分方案中的重要性。

第九讲：表示法

机器学习模型不能直接看到、听到或感知输入样本。您必须创建数据表示，为模型提供有用的信号来了解数据的关键特性。也就是说，为了训练模型，您必须选择最能代表数据的特征集。

预计用时：6 分钟 学习目标

• 将日志和 Protocol Buffer 中的字段映射到实用的机器学习特征。
• 判断哪些特性可用作合适的特征。
• 处理离群值特征。
• 调查数据集的统计属性。
• 使用 tf.estimator 训练并评估模型。

明天更新10~12讲，继续关注！

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

-END-