【中英字幕】吴恩达深度学习课程第三课 — 结构化机器学习项目
https://mooc.study.163.com/course/2001280004
视频仅供学习使用，若侵权请联系删除！
这是深度学习工程师微专业的第三门课
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
视频选集
（1/24）
【第一周 机器学习（ML）策略(1)】1.1 为什么是 ML 策略
02:43
1.2 正交化
10:39
1.3 单一数字评估指标
07:17
1.4 满足和优化指标
05:59
1.5 训练_开发_测试集划分
06:36
1.6 开发集合测试集的大小
05:40
1.7 什么时候该改变开发 测试集和指标
11:08
1.8 为什么是人的表现
05:47
1.9 可避免偏差
07:00
1.10 理解人的表现
11:13
1.11 超过人的表现
06:22
1.12 改善你的模型的表现
04:37
【第二周 机器学习（ML）策略(2)】2.1 进行误差分析
10:33
2.2 清除标注错误的数据
13:06
2.3 快速搭建你的第一个系统，并进行迭代
06:02
2.4 在不同的划分上进行训练并测试
10:56
2.5 不匹配数据划分的偏差和方差
18:17
2.6 定位数据不匹配
10:09
2.7 迁移学习
11:18
2.8 多任务学习
13:00
2.9 什么是端到端的深度学习
11:48
2.10 是否要使用端到端的深度学习
10:20
【人工智能行业大师访谈】1. 采访 Andrej Karpathy
15:11
【人工智能行业大师访谈】2. 采访 Ruslan Salakhutdinov
17:09
顶部