结构化机器学习项目
分享
课程详情
课程评价
spContent=你将在本课程中学习如何建立一个机器学习项目。如果你想成为一个AI领域的技术大牛,以及知道如何带领你的团队开展工作,那么千万不要错过这门课。
—— 课程团队
课程概述

这是深度学习系列课程的第三门课。


本课程的很多内容都是首次作为教学内容,并且很多都源自我个人在构建和运营深度学习产品方面的经验。这门课也有两个“流程模拟器”,可以让你作为机器学习项目的领导者,练习如何决策。这会让你收获极其宝贵的“行业经验”,一般来说,这些经验可能要通过多年的工作积累才能得到。


在2周的学习之后,你会:

-      理解如何诊断机器学习系统中的错误

-      能够优先减小误差最有效的方向

-      理解复杂ML设定,例如训练/测试集不匹配,比较并/或超过人的表现

-      知道如何应用端到端学习、迁移学习以及多任务学习

很多团队浪费数月甚至数年来理解这门课所教授的准则,也就是说,这门两周的课可以为你节约数月的时间。



本课程为深度学习系列课程第三讲,完整中文课程请到网易云课堂学习

制作方:deeplearning.ai

原载于:Coursera



课程大纲

第一周  机器学习(ML)策略(1)


1.1  为什么是ML策略

1.2  正交化

1.3  单一数字评估指标

1.4  满足和优化指标

1.5  训练/开发/测试集划分

1.6  开发集合测试集的大小

1.7  什么时候该改变开发/测试集和指标

1.8  为什么是人的表现

1.9  可避免偏差

1.10  理解人的表现

1.11  超过人的表现

1.12  改善你的模型的表现



第二周  机器学习(ML)策略(2)


2.1  进行误差分析

2.2  清楚标注错误的数据

2.3  快速搭建你的第一个系统,并进行迭代

2.4  在不同的划分上进行训练并测试

2.5  不匹配数据划分的偏差和方差

2.6  定位数据不匹配

2.7  迁移学习

2.8  多任务学习

2.9  什么是端到端的深度学习

2.10 是否要使用端到端的深度学习

预备知识

需要有基本的数学、编程和机器学习基础。

证书要求