【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)
基于TensorFlow的机器学习速成课程25讲视频全集(07-09讲)
基于TensorFlow的机器学习速成课程25讲视频全集(10-12讲)
基于TensorFlow的机器学习速成课程25讲视频全集(13-15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
反向传播算法是最常见的一种神经网络训练算法。借助这种算法,梯度下降法在多层神经网络中将成为可行方法。TensorFlow 可自动处理反向传播算法,因此您不需要对该算法作深入研究。要了解它的工作原理,请参阅下面的反向传播算法的直观说明。
预计用时:5 分钟 学习目标
前面您已经了解了二元分类模型,该模型可从两个可能的选项中选择其一,例如:
在本单元中,我们将研究多类别分类,这种模型可从多种可能的情况中进行选择。例如:
预计用时:5 分钟 学习目标
嵌套是一种相对低维的空间,您可以将高维矢量映射到这种低维空间里。通过使用嵌套,可以让在大型输入(比如代表字词的稀疏矢量)上进行机器学习变得更加容易。在理想情况下,嵌套可以将语义上相似的不同输入映射到嵌套空间里的邻近处,以此来捕获输入的语义。
预计用时:15 分钟 学习目标
明天更新19~20讲,继续关注!
https://developers.google.cn/machine-learning/crash-course
-END-