2019年Google最新中文版《机器学习速成课程》分享

2019 年 9 月 1 日 深度学习与NLP

机器学习热爱者的自学指南

    机器学习速成课程包含一系列视频讲座课程、实际案例分析和实践练习。

文末附本课程所有视频及资料下载地址


本课程将解答如下问题

    了解 Google 专家针对机器学习方面的关键概念提供的最佳做法。

    1、机器学习与传统编程有何不同?

    2、什么是损失,如何衡量损失?

    3、梯度下降法的运作方式是怎样的?

    4、如何确定我的模型是否有效?

    5、怎样为机器学习提供我的数据?

    6、如何构建深度神经网络?


准备好开始练习机器学习知识了吗?

    通过速成课程学习并运用机器学习的基本概念,通过配套开展的 Kaggle 大赛获得实际体验,或者访问“与 Google AI 一同成长”网站查看整个培训资源库。


前提条件和准备工作

    在开始机器学习速成课程之前,请先阅读下面的前提条件和准备工作部分,以确保您已做好完成所有单元所需的准备工作。


前提条件

    机器学习速成课程并不会假定或要求您预先掌握机器学习方面的任何知识。但是,为了能够理解课程中介绍的概念并完成练习,您最好满足以下前提条件:

掌握入门级代数知识。 您应该了解变量和系数、线性方程式、函数图和直方图(熟悉对数和导数等更高级的数学概念会有帮助,但不是必需条件)。

熟练掌握编程基础知识,并且具有一些使用 Python 进行编码的经验。 机器学习速成课程中的编程练习是通过 TensorFlow 并使用 Python 进行编码的。您无需拥有任何 TensorFlow 经验,但应该能够熟练阅读和编写包含基础编程结构(例如,函数定义/调用、列表和字典、循环和条件表达式)的 Python 代码。


准备工作

    有关如何在计算机上下载、安装和运行编程练习的说明,请参阅在本地运行编程练习。

    Pandas 使用入门

    机器学习速成课程中的编程练习使用 Pandas 库来操控数据集。如果您不熟悉 Pandas,建议您先学习intro_to_pandas.ipynb该教程介绍了练习中使用的主要 Pandas 功能。

低阶 TensorFlow 基础知识

    机器学习速成课程中的编程练习使用 TensorFlow 的高阶 tf.estimator API 来配置模型。


主要概念和工具

    机器学习速成课程中介绍并应用了以下概念和工具。

   数学

Python 编程

第三方 Python 库

    机器学习速成课程代码示例使用了第三方库提供的以下功能。


目录


课程视频及PPT等资料地址

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

往期精品内容推荐

Pytorch应用技巧快速指南

100+前沿“拿来即用”开源深度学习模型汇总分享

历史最全-130本科技互联网类免费书籍整理-汇总分享

斯坦福CS236-深度生成模型2019-全套课程资料分享

新书-计算机视觉、机器人及机器学习线性代数基础-最新版分享

2019年自然语言处理的新时代 - Rachel Thomas

2019年暑期实习、秋招深度学习算法岗面试要点及答案分享

Hinton & LeCun:深度学习革命

深度学习-机器学习从入门到深入全套资源分享

基于GPT-2和百万源码训练实现全语言编程自动补全

斯坦福大学-2019年自然语言理解(CS224u)全套课程资源分享

自然语言处理入门-Siraj Raval

基于Tensorflow的深度学习可复现性

扫描下方二维码可以订阅哦!

DeepLearning_NLP

深度学习与NLP

       商务合作请联系微信号:lqfarmerlq

登录查看更多
6+

相关内容

人们为了让计算机解决各种棘手的问题,使用编程语言 编写程序代码并通过计算机运算得到最终结果的过程。

机器学习速成课程 是 Google 在 google.cn 推出的一些了机器学习课程,针对初学者,只要有一些基础的数学以及 python 知识,就可以开始快速入门。

这套教程可以帮你解决以下问题:

机器学习与传统编程有何不同?

什么是损失,如何衡量损失?

梯度下降法的运作方式是怎样的?

如何确定我的模型是否有效?

怎样为机器学习提供我的数据?

如何构建深度神经网络?

成为VIP会员查看完整内容
43+
0+
Top