1.视频网站:mooc慕课https://mooc.study.163.com/university/deeplearning_ai#/c
2.详细笔记网站(中文):http://www.ai-start.com/dl2017/
3.github课件+作业+答案:https://github.com/stormstone/deeplearning.ai
本课程将介绍如何构建你的ML项目也就是说ML的策略。
希望通过这门课程你能够学到如何更快速高效地优化你的ML系统。
这门课也有两个“流程模拟器”,可以让你作为ML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ML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。
第一周 ML策略(1)Introduction to ML strategy
- 1.1 为什么是ML策略 Why ML Strategy?
- 1.2 正交化 Orthogonalization
- 1.3 单一数字评估指标 Single number evaluation metric
- 1.4 满足和优化指标 Single number evaluation metric
- 1.5 训练/开发/测试集划分 Train/dev/test distributions
- 1.6 开发集和测试集的大小 Size of dev and test sets
- 1.7 什么时候该改变开发/测试集和指标 When to change dev/test sets and metrics
- 1.8 为什么是人的表现 Why human-level performance?
- 1.9 可避免偏差 Avoidable bias
- 1.10 理解人的表现 Understanding human-level performance
- 1.11 超过人的表现 Surpassing human-level performance
- 1.12 改善你的模型的表现 Improving your model performance
- 课后作业
1.1 为什么是ML策略 Why ML Strategy?
2020-6-24 吴恩达DL学习-C3结构化机器学习项目-w1 ML策略1(1.1 为什么要考虑ML策略)
1.2 正交化 Orthogonalization
2020-6-24 吴恩达DL学习-C3结构化ML项目-w1 ML策略1(1.2 正交化–改善ML系统特定方面性能同时不会影响其他方面性能的控制手段)
1.3 单一数字评估指标 Single number evaluation metric
2020-6-28 吴恩达DL学习-C3结构化ML项目-w1 ML策略1(1.3 单一数字评估指标,查准率/查全率/F1分数)
1.4 满足和优化指标 Single number evaluation metric
2020-6-29 吴恩达DL学习-C3结构化ML项目-w1 ML策略1(1.4 满足和优化指标–1个优化指标,N个满足指标)
1.5 训练/开发/测试集划分 Train/dev/test distributions
2020-6-30 吴恩达DL学习-C3结构化ML项目-w1 ML策略1(1.5 训练/开发/测试集划分–开发集和测试集来自同一分布)
1.6 开发集和测试集的大小 Size of dev and test sets
2020-7-1 吴恩达DL学习-C3结构化ML项目-w1 ML策略1(1.6 开发集和测试集的大小–DL时代的设立方针)
1.7 什么时候该改变开发/测试集和指标 When to change dev/test sets and metrics
2020-7-2 吴恩达DL学习-C3结构化ML项目-w1 ML策略1(1.7 什么时候该改变开发/测试集和指标–无法正确衡量算法间的优劣时候修改。修改的方针)
1.8 为什么是人的表现 Why human-level performance?
2020-7-3 吴恩达DL学习-C3结构化ML项目-w1 ML策略1(1.8 为什么是人的表现–对比机器算法和人类表现 / 贝叶斯最佳错误 / 如何让ML算法超过人类表现)
1.9 可避免偏差 Avoidable bias
2020-7-6 吴恩达DL学习-C3结构化ML项目-w1 ML策略1(1.9 可避免偏差/方差–通过人的错误率和贝叶斯错误率比较,决定采用避免偏差还是方差的策略)
1.10 理解人的表现 Understanding human-level performance
2020-7-7 吴恩达DL学习-C3结构化ML项目-w1 ML策略1(1.10 理解人的表现–①训练和开发误差越接近人表现,越难分辨问题是偏差还是方差/②人的表现完美,则贝叶斯误差为0)
1.11 超过人的表现 Surpassing human-level performance
2020-7-8 吴恩达DL学习-C3结构化ML项目-w1 ML策略1(1.11 超过人的表现–结构化数据领域容易超过人,但是自然感知领域很难超过人)
1.12 改善你的模型的表现 Improving your model performance
2020-7-9 吴恩达DL学习-C3结构化ML项目-w1 ML策略1(1.12 改善你的模型的表现-①监督学习算法达到实用②提升ML系统性能③减少偏差④减少方差)