DeepLearning.ai学习回顾笔记之三( Structuring Machine Learning Projects)

前言

最近完成了coursera上DeepLearning.ai的系列课程的第三门课程: Structuring Machine Learning Projects这门课程的学习，并通过考核。在这里记录一下学习感受，来为大家提供一些关于这门课的资料和学习建议。

课程简介

Structuring Machine Learning Projects这门课是Deeplearning.ai在cousera的系列课程的第三门课，这门课的主要作用使学习人员在了解深度学习的基本原理后掌握如何改进模型和算法的方法，首先介绍了表准随后介绍了如何进行错误分析如何进行改进等诸多问题。虽然这门课只有两周时间，但这门课将在学习者实际应用深度学习系统时发挥重要作用。

这门课程还是秉承着吴恩达的一贯风格，学习门槛很低，思路清晰，表达流畅，语速也较低。

主要内容

主要内容如下图所示



这门课程的理论内容较少就不分别介绍了。

回顾

1.这门课又一次强调了，目前工程领域最重要的共识：小步快跑，持续迭代；

2.这门课核心是如何进行错误分析，如何优化算法模型，关键就是要看算法目前是高偏差还是过拟合；

3. 一切都与数据有关，离开了数据量谈优化就没了基石。

4. 机器学习并不是完全孤立的，可以通过迁移学习或多任务学习等技术完成学习能力的共享。

5. 最后晒一下证书啦