Structured Machine Learning Projects (week1) - ML Strategy 1

这次我们要学习专项课程中第三门课 Structured Machine Learning Projects

学完这门课之后,你将会:

  • 理解如何诊断机器学习系统中的错误
  • 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

Read More

Improving Deep Neural Networks (week1) - 深度学习的实用层面

这次我们要学习专项课程中第二门课 Improving Deep Neural Networks

学完这门课之后,你将会:

  • 能够高效地使用神经网络通用的技巧,包括 初始化、L2和dropout正则化、Batch归一化、梯度检验
  • 能够实现并应用各种优化算法,例如 Mini-batch、Momentum、RMSprop、Adam,并检查它们的收敛程度
  • 理解深度学习时代关于如何 构建训练/开发/测试集 以及 偏差/方差分析 最新最有效的方法.
  • 能够用TensorFlow实现一个神经网络

这门课将会详尽地介绍深度学习的基本原理,而不仅仅只进行理论概述.

Read More

Ensumble 集成学习小记

本文主要基于周志华《机器学习》一书第八章 集成学习内容做的整理笔记,此外查阅了网上的一些博客和问答网站

Read More

Support Vecor Machine (六部曲)

Support Vecor Machine, 自一诞生便由于它良好的分类性能席卷了机器学习领域,并牢牢压制了神经网络领域好多年。 如果不考虑集成学习的算法,不考虑特定的训练数据集,在分类算法中的表现SVM说是排第一估计是没有什么异议的.

Read More