谷歌机器学习速成课程笔记(Notes for Google MLCC)

该笔记内容均来自MLCC，对原有文章内容，在尽量保留原义的情况下做了部分增删改；对原有的代码，自己进行了重写。

• 更新日期: 2018-11-26

适合读者

就我个人而言，我更愿意称这门课程为：给工程师或开发者准备的机器学习课程，课程结合了理论与实践，并在两者之间有很好的权衡。

下载

使用Pandoc构建的PDF

• PDF

开始阅读

• 0.Preparing
• 1.Framing
• 2.Descending into ML
• 3.Hello TensorFlow
• 4.Generalization
• 5.Validation
• 6.Representation
• 7.Feature Crosses
• 8.Regularization for Simplicity
• 9.Logistic Regression
• 10.Classification
• 11.Regularization_for_Sparsity
• 12.Hello_Neural_Networks
• 13.Training_Neural_Networks
• 14.Multi-class Neural Networks
• 15.Embeddings
• 16.Machine Learning Engineering
• 17.Machine Learning Systems in The Real World
• 18.Next Steps

版权声明

本仓库下的所有文章均受Creative Commons Attribution 3.0 Unported License版权保护。

本仓库下的所有代码均受Apache 2.0 License版权保护。