MLCC筆記 - Google機器學習速成課程 - 筆記匯總
MLCC筆記 - Google機器學習速成課程
https://www.cnblogs.com/anliven/p/6107783.html
- MLCC簡介
- 前提條件和準備工作
- 完成課程的下一步
MLCC筆記01 - 框架處理(Framing)
https://www.cnblogs.com/anliven/p/10252938.html
- 機器學習基本術語。
- 了解機器學習的各種用途。
MLCC筆記02 - 深入了解機器學習 (Descending into ML)
https://www.cnblogs.com/anliven/p/10253210.html
- 直線擬合知識。
- 將機器學習中的權重和偏差與直線擬合中的斜率和偏移關聯起來。
- 大致了解“損失”，詳細了解平方損失。
MLCC筆記03 - 降低損失 (Reducing Loss)
https://www.cnblogs.com/anliven/p/10258292.html
- 了解如何使用叠代方法來訓練模型。
- 全面了解梯度下降法和一些變體，包括：小批量梯度下降法、隨機梯度下降法、嘗試不同的學習速率。
MLCC筆記04 - 使用TensorFlow的起始步驟 (First Steps with TensorFlow)
https://www.cnblogs.com/anliven/p/10264318.html
- 了解如何在 TensorFlow 中創建和修改張量。
- 了解 Pandas 的基礎知識。
- 使用 TensorFlow 的一種高級 API 開發線性回歸代碼。
- 嘗試不同的學習速率。
MLCC筆記05 - 泛化 (Generalization)
https://www.cnblogs.com/anliven/p/10264475.html
- 直觀理解過擬合。
- 確定某個模型是否出色。
- 將數據集劃分為訓練集和測試集。
MLCC筆記06 - 訓練集和測試集 (Training and Test Sets)
https://www.cnblogs.com/anliven/p/10280028.html
- 了解將數據集分成訓練集和測試集的優勢。
MLCC筆記07 - 驗證 (Validation)
https://www.cnblogs.com/anliven/p/10280117.html
- 使用驗證集評估訓練集的效果。
MLCC筆記08 - 表示法 (Representation)
https://www.cnblogs.com/anliven/p/10280203.html
- 將日誌和 Protocol Buffer 中的字段映射到實用的機器學習特征。
- 判斷哪些特性可用作合適的特征。
- 處理離群值特征。
- 調查數據集的統計屬性。
- 使用 tf.estimator 訓練並評估模型。
MLCC筆記09 - 特征組合 (Feature Crosses)
https://www.cnblogs.com/anliven/p/10288612.html
- 了解特征組合。
- 在 TensorFlow 中實施特征組合。
MLCC筆記10 - 正則化：簡單性 (Regularization for Simplicity)
https://www.cnblogs.com/anliven/p/10301588.html
- 了解復雜度與泛化之間的權衡。
- 使用 L2 正則化進行實驗。
MLCC筆記11 - 邏輯回歸 (Logistic Regression)
https://www.cnblogs.com/anliven/p/10328363.html
- 了解邏輯回歸。
- 了解邏輯回歸的損失和正則化函數。
MLCC筆記12 - 分類 (Classification)
https://www.cnblogs.com/anliven/p/10336463.html
- 評估邏輯回歸模型的準確率和精確率。
- 了解 ROC 曲線和曲線下面積。
MLCC筆記13 - 正則化：稀疏性 (Regularization for Sparsity)
https://www.cnblogs.com/anliven/p/10344515.html
- 了解如何使信息缺乏的系數值正好為 0，以便節省 RAM。
- 了解 L2 正則化之外的其他類型的正則化。
MLCC筆記14 - 神經網絡簡介 (Introduction to Neural Networks)
https://www.cnblogs.com/anliven/p/10344698.html
- 對神經網絡有一定的了解，尤其是了解：隱藏層、激活函數。
MLCC筆記15 - 訓練神經網絡 (Training Neural Networks)
https://www.cnblogs.com/anliven/p/10347254.html
- 在一定程度上了解反向傳播算法。
MLCC筆記16 - 多類別神經網絡 (Multi-Class Neural Networks)
https://www.cnblogs.com/anliven/p/10347273.html
- 理解多類別分類問題，尤其是 Softmax。
- 在 TensorFlow 中制定 Softmax 解決方案。
MLCC筆記17 - 嵌套 (Embedding)
https://www.cnblogs.com/anliven/p/10347306.html
- 嵌套的定義和用途。
- 嵌套如何編碼語義關系。
- 如何使用嵌套。
- 如何訓練有意義的嵌套（例如使用 word2vec）。
MLCC筆記18 - 生產機器學習系統(Production ML Systems)
https://www.cnblogs.com/anliven/p/10349462.html
- 了解生產環境機器學習系統中組件的跨度範圍。
- 識別靜態訓練與動態訓練的優缺點。
- 了解靜態推理和動態推理的優缺點。
- 評估現實世界情形的訓練和應用需求。
- 了解生產機器學習系統中的數據依賴關系。
MLCC筆記 - Google機器學習速成課程 - 筆記匯總