基于TensorFlow的机器学习速成课程25讲视频全集（13-15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）

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）

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

第十三讲：分类

此单元介绍了如何使用逻辑回归来执行分类任务，并探讨了如何评估分类模型的有效性。

预计用时：8 分钟 学习目标

• 评估逻辑回归模型的准确率和精确率。
• 了解 ROC 曲线和曲线下面积。

第十四讲：稀疏性正则化

本模块主要介绍学习多维度特征矢量的模型的特殊要求。

预计用时：2 分钟 学习目标

• 了解如何使信息缺乏的系数值正好为 0，以便节省 RAM。
• 了解 L2 正则化之外的其他类型的正则化。

第十五讲：神经网络简介

神经网络是更复杂版本的特征组合。实质上，神经网络会学习适合您的相应特征组合。

预计用时：3 分钟 学习目标

• 对神经网络有一定的了解，尤其是了解以下方面： 隐藏层 激活函数

明天更新16~18讲，继续关注！

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

-END-