吴恩达电子书《机器学习训练秘籍》,附中文版PDF下载

吴恩达的免费电子书《Machine Learning Yearning》以较高的层次为我们介绍了许多在机器学习时代AI工程师应该掌握的技术策略。该书并不聚焦于具体的AI算法,而是为我们介绍了许多具有泛化性的如何让AI算法有效工作的技术。

网盘地址:
链接: https://pan.baidu.com/s/1EUgoRNWBVdipRSw-WJTzIg 提取码: tfgt

人工智能正在改变许多行业。《Machine Learning Yearning: Technical Strategy for AI Engineers, In the Era of Deep Learning》是一本由Andrew Ng提供的免费电子书,教你如何组织机器学习项目。这本书的重点并不是教你具体的机器学习算法,而是如何让机器学习算法有效工作。
读完这本书,你将能够:

  • 优先考虑最有前景的AI项目方向
  • 诊断机器学习系统中的错误
  • 在复杂的设置中进行机器学习,例如不匹配的训练/测试集
  • 建立一个机器学习项目来达到或超越人类的水平
  • 了解何时以及如何应用端到端学习、迁移学习和多任务学习

该书的原版为英文版,Github上也有该书的开源中文翻译版:
https://github.com/deeplearning-ai/machine-learning-yearning-cn

   主要内容《Machine Learning Yearning》的一些内容如下(参考自翻译版):

  • 机器学习为什么需要策略?
  • 如何使用此书来帮助你的团队
  • 先修知识与符号说明
  • 规模驱动机器学习发展
  • 开发集和测试集的定义
  • 将大型开发集拆分为两个子集,专注其一
  • Eyeball 和 Blackbox 开发集该设置多大?
  • 小结:基础误差分析
  • 偏差和方差:误差的两大来源
  • 偏差和方差举例
  • 与最优错误率比较
  • 处理偏差和方差
  • 偏差和方差间的权衡
  • 减少可避免偏差的技术
  • 训练集误差分析
  • 减少方差的技术
  • 诊断偏差与方差:学习曲线
  • 绘制训练误差曲线
  • 流水线组件的选择:数据可用性
  • 流水线组件的选择:任务简单性
  • 建立超级英雄团队 – 让你的队友阅读这本书吧!

发表评论

电子邮件地址不会被公开。 必填项已用*标注