谷歌机器学习速成课视频全集

从这一篇推送开始，继续奉上谷歌机器学习速成视频课全集的第04-06讲，后续全部课程视频在同期的其他推送内容中。

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（就在本页）

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。

—完—