機(jī)器學(xué)習(xí)速成課程 https://developers.google.com/machine-learning/crash-course/prereqs-and-prework
使用 TensorFlow API
Google 制作的節(jié)奏緊湊、內(nèi)容實(shí)用的機(jī)器學(xué)習(xí)簡(jiǎn)介課程
機(jī)器學(xué)習(xí)熱愛(ài)者的自學(xué)指南
機(jī)器學(xué)習(xí)速成課程包含一系列視頻講座課程、實(shí)際案例分析和實(shí)踐練習(xí)。
- 40 多項(xiàng)練習(xí)
- 25 節(jié)課程
- 15 小時(shí)
- Google 研究人員的講座
- 實(shí)際案例研究
- 以互動(dòng)方式直觀呈現(xiàn)算法的實(shí)際運(yùn)用
本課程將解答如下問(wèn)題
了解 Google 專家針對(duì)機(jī)器學(xué)習(xí)方面的關(guān)鍵概念提供的最佳做法。
- 機(jī)器學(xué)習(xí)與傳統(tǒng)編程有何不同？
- 什么是損失，如何衡量損失？
- 梯度下降法的運(yùn)作方式是怎樣的？
- 如何確定我的模型是否有效？
- 怎樣為機(jī)器學(xué)習(xí)提供我的數(shù)據(jù)？
- 如何構(gòu)建深度神經(jīng)網(wǎng)絡(luò)？
可以開(kāi)始練習(xí)學(xué)到的機(jī)器學(xué)習(xí)知識(shí)了嗎？
通過(guò)速成課程學(xué)習(xí)并運(yùn)用機(jī)器學(xué)習(xí)的基本概念，或者訪問(wèn)“與 Google AI 一同成長(zhǎng)”網(wǎng)站查看整個(gè)培訓(xùn)資源庫(kù)。
開(kāi)始學(xué)習(xí)速成課程與 GOOGLE AI 一同成長(zhǎng)
機(jī)器學(xué)習(xí)速成課程適合您嗎？
我對(duì)機(jī)器學(xué)習(xí)知之甚少或一無(wú)所知。
我對(duì)機(jī)器學(xué)習(xí)有一些了解，但想了解更新、更全面的機(jī)器學(xué)習(xí)知識(shí)。
我很了解機(jī)器學(xué)習(xí)，但對(duì) TensorFlow 知之甚少或一無(wú)所知。
在開(kāi)始機(jī)器學(xué)習(xí)速成課程之前，請(qǐng)先閱讀下面的前提條件和準(zhǔn)備工作部分，以確保您已做好完成所有單元所需的準(zhǔn)備工作。
前提條件
機(jī)器學(xué)習(xí)速成課程并不會(huì)假定或要求您預(yù)先掌握機(jī)器學(xué)習(xí)方面的任何知識(shí)。但是，為了能夠理解課程中介紹的概念并完成練習(xí)，您最好滿足以下前提條件：
掌握入門級(jí)代數(shù)知識(shí)。 您應(yīng)該了解變量和系數(shù)、線性方程式、函數(shù)圖和直方圖（熟悉對(duì)數(shù)和導(dǎo)數(shù)等更高級(jí)的數(shù)學(xué)概念會(huì)有幫助，但不是必需條件）。
熟練掌握編程基礎(chǔ)知識(shí)，并且具有一些使用 Python 進(jìn)行編碼的經(jīng)驗(yàn)。 機(jī)器學(xué)習(xí)速成課程中的編程練習(xí)是通過(guò) TensorFlow 并使用 Python 進(jìn)行編碼的。您無(wú)需擁有使用 TensorFlow 的任何經(jīng)驗(yàn)，但應(yīng)該能夠熟練閱讀和編寫(xiě)包含基礎(chǔ)編程結(jié)構(gòu)（例如，函數(shù)定義/調(diào)用、列表和字典、循環(huán)和條件表達(dá)式）的 Python 代碼。
注意：有關(guān)機(jī)器學(xué)習(xí)速成課程中使用的數(shù)學(xué)和編程概念的詳細(xì)列表，請(qǐng)參閱下面的主要概念和工具部分，其中列出了每個(gè)概念的參考資料。
準(zhǔn)備工作
可使用 Colaboratory 平臺(tái)直接在瀏覽器中運(yùn)行編程練習(xí)（無(wú)需設(shè)置?。?。Colaboratory 支持大多數(shù)主流瀏覽器，并且在 Chrome 和 Firefox 的各個(gè)桌面版本上進(jìn)行了最全面的測(cè)試。如果您想下載并離線運(yùn)行這些練習(xí)，請(qǐng)參閱有關(guān)設(shè)置本地環(huán)境的說(shuō)明。
Pandas 使用入門
機(jī)器學(xué)習(xí)速成課程中的編程練習(xí)使用 Pandas 庫(kù)來(lái)操控?cái)?shù)據(jù)集。如果您不熟悉 Pandas，最好先學(xué)習(xí) Pandas 簡(jiǎn)介教程，該教程介紹了練習(xí)中使用的主要 Pandas 功能。
低階 TensorFlow 基礎(chǔ)知識(shí)
機(jī)器學(xué)習(xí)速成課程中的編程練習(xí)使用 TensorFlow 的高階 tf.estimator API 來(lái)配置模型。如果您有興趣從頭開(kāi)始構(gòu)建 TensorFlow 模型，請(qǐng)學(xué)習(xí)以下教程：
- TensorFlow Hello World 在低階 TensorFlow 中編碼的“Hello World”。
- TensorFlow 編程概念 演示了 TensorFlow 應(yīng)用中的基本組件：張量、指令、圖和會(huì)話。
- 創(chuàng)建和操控張量 張量快速入門：TensorFlow 編程中的核心概念。此外，還提供了線性代數(shù)中的矩陣加法和乘法方面的復(fù)習(xí)進(jìn)修內(nèi)容。
主要概念和工具
機(jī)器學(xué)習(xí)速成課程中介紹并應(yīng)用了以下概念和工具。有關(guān)詳情，請(qǐng)參閱鏈接的資源。
數(shù)學(xué)
代數(shù)
- 變量、系數(shù)和函數(shù)
- 線性方程式，例如
- 對(duì)數(shù)和對(duì)數(shù)方程式，例如
- S 型函數(shù)
線性代數(shù)
三角學(xué)
統(tǒng)計(jì)信息
微積分（可選，適合高級(jí)主題）
- 導(dǎo)數(shù)概念（您不必真正計(jì)算導(dǎo)數(shù)）
- 梯度或斜率
- 偏導(dǎo)數(shù)（與梯度緊密相關(guān)）
- 鏈?zhǔn)椒▌t（可讓您全面了解用于訓(xùn)練神經(jīng)網(wǎng)絡(luò)的反向傳播算法）
Python 編程
基礎(chǔ) Python
Python 教程中介紹了以下 Python 基礎(chǔ)知識(shí)：
定義和調(diào)用函數(shù)：使用位置和關(guān)鍵字參數(shù)
for循環(huán)：包含多個(gè)迭代器變量的for循環(huán)（例如for a, b in [(1,2), (3,4)]）字符串格式化（例如
'%.2f' % 3.14）變量、賦值、基本數(shù)據(jù)類型（
int、float、bool、str）
中級(jí) Python
Python 教程還介紹了以下更高級(jí)的 Python 功能：
第三方 Python 庫(kù)
機(jī)器學(xué)習(xí)速成課程代碼示例使用了第三方庫(kù)提供的以下功能。無(wú)需提前熟悉這些庫(kù)；您可以在需要時(shí)查詢相關(guān)內(nèi)容。
Matplotlib（適合數(shù)據(jù)可視化）
Seaborn（適合熱圖）
-
heatmap函數(shù)
Pandas（適合數(shù)據(jù)處理）
NumPy（適合低階數(shù)學(xué)運(yùn)算）
scikit-learn（適合評(píng)估指標(biāo)）
- metrics 模塊
Bash 終端/云端控制臺(tái)
要在本地計(jì)算機(jī)上或云端控制臺(tái)中運(yùn)行編程練習(xí)，您應(yīng)該能熟練使用命令行：
