deeplearning.ai deeplearning.ai

结构化机器学习项目

所属微专业:

图片
课程概述

这是深度学习工程师微专业的第三门课。


本课程的很多内容都是首次作为教学内容,并且很多都源自我个人在构建和运营深度学习产品方面的经验。这门课也有两个“流程模拟器”,可以让你作为机器学习项目的领导者,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。


制作方:deeplearning.ai

原载于:Coursera


证书要求

预备知识

需要有基本的数学、编程和机器学习基础。

授课大纲

第一周  机器学习(ML)策略(1)


1.1  为什么是ML策略

1.2  正交化

1.3  单一数字评估指标

1.4  满足和优化指标

1.5  训练/开发/测试集划分

1.6  开发集合测试集的大小

1.7  什么时候该改变开发/测试集和指标

1.8  为什么是人的表现

1.9  可避免偏差

1.10  理解人的表现

1.11  超过人的表现

1.12  改善你的模型的表现



第二周  机器学习(ML)策略(2)


2.1  进行误差分析

2.2  清楚标注错误的数据

2.3  快速搭建你的第一个系统,并进行迭代

2.4  在不同的划分上进行训练并测试

2.5  不匹配数据划分的偏差和方差

2.6  定位数据不匹配

2.7  迁移学习

2.8  多任务学习

2.9  什么是端到端的深度学习

2.10 是否要使用端到端的深度学习




大师访谈



Andrej Karpathy



斯坦福大学计算机系博士,师从李飞飞,自2017年任特斯拉人工智能研究部门总监。



Ruslan Salakhutdinov



卡内基梅隆大学副教授,苹果人工智能研究部门总监。

参考资料

【致谢】

本课程中英文目录与字幕由深虫小组的沈敏琰、杨枭、蒋慧桢、李寒宁、陈璟仪、李轩,HTLL 翻译组,及 Eureka 字幕组的 Trazom、Ziling Zhang、范家璇、Terrence、heyhey 贡献,是他们的贡献使得本课程字幕能够又快又准确地呈现在大家面前。另外,我们还感谢其他对本门课程作出贡献的所有 deeplearning.ai 及网易云课堂相关工作人员。