全程中文：谷歌上线机器学习速成课程

IT派 - {技术青年圈}

持续关注互联网、区块链、人工智能领域

IT派日常小剧场

class="video_iframe" height="370.125" width="658" frameborder="0" data-src="http://v.qq.com/iframe/player.html?vid=p0561dpfoeq&width=658&height=370.125&auto=0" allowfullscreen="" data-ratio="1.7666666666666666" data-vidtype="2" style="display: none; width: 658px !important; height: 370.125px !important;" data-vh="370.125" data-vw="658" src="http://v.qq.com/iframe/player.html?vid=p0561dpfoeq&width=658&height=370.125&auto=0"/>

全球AI第一大厂Google推了新课程！

Google今天上线了一个“机器学习速成课程”，英文简称MLCC。用他们自己的话来形容，这个课程节奏紧凑、内容实用。而且，竟然基本可以全程中文，并且完全免费，相当惊喜。

「Learn with Google AI」中丰富的学习内容板块

目录

简介：

• 前提条件和准备工作

机器学习概念：

• 框架处理（15 分钟）机器学习中的监督学习

• 深入了解机器学习（20 分钟）什么是损失函数，权重和 bias 是什么

• 降低损失（60 分钟）两种梯度下降，及对学习率的实验

• 使用 TensorFlow 基本步骤（60 分钟）不能不懂的 TensorFlow

• 泛化（15 分钟）什么是过拟合，怎样评价一个模型的好坏，把数据集分成测试和训练两部分

• 训练及测试集（25 分钟）验证把数据集分成两部分的好处

• 验证（40 分钟）担心过拟合？在测试和训练集外多弄一个验证集

• 表示法（65 分钟）特征工程，75% 机器学习工程师的时间都在干的事

• 特征组合（70 分钟）明白什么是特征组合，怎么用 TensorFlow 实现

• 正则化：简单性（40 分钟）L2 正则化，学习复杂化和普遍化的取舍

• 逻辑回归（20 分钟）理解逻辑回归，探索损失函数和正则化

• 分类（90 分钟）评估一个逻辑回归模型的正确性和精度

• 正则化：稀松性（45 分钟）L2 的其他种类

• 介绍神经网络（40 分钟）隐藏层，激活函数

• 训练神经网络（40 分钟）反向传播

• 多种类神经网络（50 分钟）理解多类分类器问题，Softmax，在 TensorFlow 中实现 Softmax 结果。

• 嵌入（80 分钟）什么是嵌入，这是干什么的，怎样用好。

工程：

• 生产 ML 系统（3 分钟）ML 生产中的宽度

• 静态 vs. 动态训练（7 分钟）静态和动态训练的优缺点

• 静态 vs. 动态推断（7 分钟）静态和动态推断的优缺点

• 数据依赖（14 分钟）理解 ML 中的数据依赖

生活中实际的 ML 例子：

• 预测癌症（5 分钟）

• 18 世纪文献（5 分钟）

• 真实世界方针（2 分钟）

结论：

• 下一步要学习的内容，推荐了 TensorFlow，Google 的课程深度学习，及 Kaggle 比赛等。

练习题：

• 大部分练习题的数据是用的 California housing data set 。

• 测试分成三种，编程练习，检查你的理解和 Playground。

课程特点

这一机器学习速成课程最大的特点是它有完整的中文资料、中文语音和字幕以及中文测试题，它为机器学习初学者提供了最实用的的资料。

如下所示，该课程提供的课件非常适合于国内初学者：

如下所示，该课程提供了很多中文练习，包括编程练习和文本理解的选择题，这非常有助于各位读者检验在视频和资料中学习到的知识。

如下展示了机器学习术语，这一部分分成全面的介绍了机器学习中的术语的含义，非常好懂。

最后，该课程还提供了非常多的中文学习资料或技术博客，这些文本资料同样也是扩展读者知识并从原理上学习新技术的重要保证。

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

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

往期 精彩回顾

世界公认最健康的作息时间表，今后就照这个来~

继浙大之后波士顿又发机器人视频了！

有个微信小程序想人工智能跟你一起修复老照片