DeepLearning.ai学习回顾笔记之三( Structuring Machine Learning Projects)
2017-11-19 22:05
501 查看
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
相关文章推荐
- Coursera deeplearning.ai 深度学习习题3-2-Structuring Machine Learning Projects(2)
- Coursera deeplearning.ai 深度学习习题3-1-Structuring Machine Learning Projects(1)
- Coursera deeplearning.ai 深度学习笔记3-Structuring Machine Learning Projects
- Fast.ai: Practical Deep Learning for coders 课程学习笔记:Part1 Lesson1 (Lesson0)
- DeepLearning.ai学习笔记(一)神经网络和深度学习--Week3浅层神经网络
- DeepLearning.ai学习笔记(二)改善深层神经网络:超参数调试、正则化以及优化--Week1深度学习的实用层面
- [DeeplearningAI笔记]神经网络与深度学习4.深度神经网络
- DeepLearning.ai学习笔记(四)卷积神经网络 -- week3 目标检测
- [DeeplearningAI笔记]改善深层神经网络1.4_1.8深度学习实用层面_正则化Regularization与改善过拟合
- DeepLearning.ai code笔记1:神经网络与深度学习
- Coursera deeplearning.ai 深度学习笔记1-3-Shallow Neural Networks-浅层神经网络原理推导与代码实现
- deeplearning.ai学习笔记(一)
- DeepLearning.ai学习笔记(五)序列模型 -- week2 序列模型和注意力机制
- [DeeplearningAI笔记]神经网络与深度学习2.1-2.4神经网络基础
- Deeplearning.ai学习笔记-神经网络和深度学习(二)
- DeepLearning.ai学习笔记(四)卷积神经网络 -- week4 特殊应用:人力脸识别和神经风格转换
- DeepLearningAI 学习笔记 1.3 浅层 logistic 神经网络
- Deeplearning.ai学习笔记-结构化机器学习项目
- Coursera deeplearning.ai 深度学习笔记2-1-Practical aspects of deep learning-神经网络实际问题分析(初始化&正则化&训练效率)与代码实现
- Fast.ai: Practical Deep Learning for coders 课程学习笔记:Part1 Lesson1 (Lesson0)