机器学习热爱者的自学指南：机器谷歌机器学习速成课(中文版)

机器学习速成课程 使用 TensorFlow API

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

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。