google机器学习速成--第一天

第一课:

学习本课程,工程师能在三个方面做得更好:
 1 缩短编程时间
  2 可以定义自己的产品
  3 可以解决那些人工难以解决的问题。

第二课 框架处理

google机器学习速成--第一天_第1张图片
标签和特征
google机器学习速成--第一天_第2张图片
样本和模型

第三课 深入了解机器学习

google机器学习速成--第一天_第3张图片
图1
google机器学习速成--第一天_第4张图片
回归损失函数--即误差
google机器学习速成--第一天_第5张图片
追求整体数据集误差最小
google机器学习速成--第一天_第6张图片
平方损失

第四节课 降低损失

google机器学习速成--第一天_第7张图片
初始化权重
google机器学习速成--第一天_第8张图片
SGD和小批量梯度下降法

梯度下降法的三种形式BGD、SGD以及MBGD

第五节 使用TF的基本步骤

google机器学习速成--第一天_第9张图片
TensorFlow API层次
google机器学习速成--第一天_第10张图片
快速了解常用estimator
张量 (Tensor)

TensorFlow 程序中的主要数据结构。张量是 N 维(其中 N 可能非常大)数据结构,最常见的是标量、向量或矩阵。张量的元素可以包含整数值、浮点值或字符串值。

图 (graph)

TensorFlow 中的一种计算规范。图中的节点表示操作。边缘具有方向,表示将某项操作的结果(一个张量)作为一个操作数传递给另一项操作。可以使用 TensorBoard 直观呈现图。


Google机器学习速成课程地址

你可能感兴趣的:(google机器学习速成--第一天)