![](https://img-blog.csdnimg.cn/20201014180756780.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
一只积累鸭
这个作者很懒,什么都没留下…
展开
-
一、为什么要学习机器学习策略(Why Machine Learning Strategy)
机器学习是很多重要的应用的基础,如:搜素、反垃圾邮件、语音识别、推荐等等。假设你或者你们的团队在从事机器学习应用方面的工作,你想加快工作进度,这本书会帮到你。 示例:创办一个撸猫公司 假设这个公司是给猫奴提供包含小猫的图片流。 那么应该使用神经网络构建一个计算机视觉系统,用来检测图片中是否包含猫主子。 但是,算法的准确率往往不够高,而领导又在催着提高准确率,这时候该怎么办呢? 经过一番头脑风暴,...翻译 2018-10-02 22:38:10 · 294 阅读 · 0 评论 -
二、如何用这本书帮助你的团队(How to use this book to help your team)
学习完这本书之后,你将深入理解“怎么确定一个机器学习工程的技术方向”。 但是你的团队成员们可能不理解你为什么这么做。也许你想让你的团队去定义一个单一数字评估指标,但是他们不认同,你该怎么劝说他们呢? 这就是这本书的每一章都很简短的原因:你可以把你想让你团队成员知道的知识打印在一两张纸上,并让他们去阅读。 一些优化上的改变会对团队的工作效率产生极大地影响。通过帮助你的团队带来一些此类改变,我希望你可...翻译 2018-10-02 22:54:18 · 167 阅读 · 0 评论 -
三、预备知识和符号(Prerequisites and Notation)
如果你已经学过机器学习的课程了,比如我在斯坦福的机器学习课程,或者已经用过监督学习了,那么你会理解这章的内容。 假设你很熟悉监督学习,即使用标记的数据样本(x, y),学习一个函数实现x到y的映射。监督学习算法包括线性回归,逻辑回归和神经网络。机器学习的形式有很多种,但是机器学习的实用价值绝大多数都是由监督学习体现的。 我会经常提到神经网络(也就是深度学习),你只需要对神经网络是什么有一个基本的概...翻译 2018-10-02 22:56:36 · 541 阅读 · 0 评论 -
四、大数据推动机器学习的发展(Scale drives machine learning progress)
数十年前已经有了深度学习(神经网络)的研究和相关观点,为什么最近几年变得这么火? 深度学习最近得以快速发展的两个原因如下: 大数据:现如今,电子设备(平板、智能手机)占用了人们更多的时间,这些电子设备产生的大量数据可以作为算法的输入。 计算能力的提升:几年前,我们开始利用大规模的数据集去训练庞大的神经网络。 实际上,即使随着数据集的增大,过去的一些学习算法(如,逻辑回归)也不会明显的提高准确度。...翻译 2018-10-04 18:03:25 · 764 阅读 · 0 评论