Machine Learning Yearning 中文翻译稿

  • 时间:
  • 浏览:2
  • 来源:uu快3下载网站_uu快3开户二维码

对于书名《Machine Learning Yearning》,我将其翻译为《机器学习要领》,希望能表达出 Andrew NG 编写这本书的目的:

48、更多的端到端学习的例子

39、数据加权

36、当你不得沒有不同分布中进行训练和测试

focused not on teaching you ML algorithms, but on how to make ML algorithms work.

42、外理数据不匹配的问题图片图片

本章学习到怎么后能 进行机器学习管道的误差分析,怎么后能 利用多样化系统的组件来为误差分析提供帮助。

随着机器学习正朝着更大的数据集方向发展,关于配置开发/测试集的准则也在发生变化,本章内容将指导你怎么后能 在团队中调整机器学习策略,以及怎么后能 设置开发集和测试集,以适应现代化的机器学习项目。

本章内容将提出通过和人类表现水平的比较来加快机器学习发展的策略。学习算法的性能表现在太久的领域超越了人类水平表现,从语音识别到图像识别(狭义领域)。在高度学习领域,与人类水平表现竞争已然成为一项新兴的运动,当你的算法表现超越人类的然后会发生什儿 呢?

34、怎么后能 定义人类水平表现

16、清除标注错误的开发/测试集数据

本章内容将探讨当训练集的数据分布和开发/测试集的分布不一致的然后不可能 跳出 的情況。有然后不得不将与测试集不同分布的训练集用在构建模型上,那什儿 然后什儿 做法大概呢?怎么后能 确保你的算法表现总能在目标分布中表现良好呢?此外,本章共同将教会你怎么后能 诊断出数据不匹配,你也将学习怎么后能 外理数据不匹配的技术。

Andrew NG 提到他原本负责开发过有2个 大型端到端语音识别系统,并取得的很好的效果,什儿 他共同表示盲目使用该技术并都是好事。本章内容将探讨什儿 是端到端的高度学习? 什儿 然后应该使用它,什儿 然后应该外理它?共同给出了当不适合使用端到端学习技术之时,怎么后能 将机器学习任务分解成多个子任务的建议

在本书中,你将学习多达 400 多个 Andrew NG 多年总结的工程要领:

14、误差分析:查看开发集样原本评估想法

原文发布时间为:2018-11-1

29、绘制训练误差曲线

57、发现有不足英文的机器学习管道

1、为什儿 后能 机器学习策略

本章内容将通过描述手动分析误差的流程,来为项目优化选者大概的方向。

11、何时能 更改开发/训练集和评估指标

31、解读学习曲线:什儿 情況

47、端到端学习技术的兴起

绪论 「Introduction」

46、强化学习的例子

19、小结:基本误差分析

8、为团队进行算法优化建立单一数字评估指标

25、减少可外理偏差的技巧

本文来自云栖社区公司媒体合作 伙伴“大数据挖掘DT机器学习”,了解相关信息后能 关注“大数据挖掘DT机器学习”。

41、辨别偏差、方差和数据不匹配愿因 的误差

35、超越人类表现水平

端到端的高度学习 「End-to-end deep learning」

6、发集和测试集应当服从同一分布

52、直接学习多样化的输出

37、怎么后能 决定是否是使用所有数据

13、快速搭建第有2个 系统并然后始于英文英文迭代

12、小结:设置开发和测试集

7、开发集/测试集多大大概

3、保送入学 知识和符号约定

38、怎么后能 决定是否是涵盖不一致的数据

23、外理方差和偏差

51、选者管道组件:任务简单性

49、端到端学习的优点和缺点

27、减少方差的技巧

28、诊断偏差和方差:学习曲线

43、人工合成数据

20、偏差和方差:两大误差来源

56、组件误差分析与人类速率的比较

58、全书结语

21、举例说明偏差和方差

33、为什儿 当人们歌词 要比较人类表现水平

24、权衡偏差和方差

9、优化和满足指标

22、比较最优误差

44、优化验证测试

本章内容将提供有2个 更加丰厚和直观的土办法,来帮助你更好地将偏差归因到可外理偏差不可能 是方差上。

本章内容将探讨用于调试语音识别系统、机器翻译系统和增强学习系统的共享 AI 设计模式是什儿 ?

经验即要领,共同单词「yearning」读音和「要领」累似 ,故以此名之。

400、选者管道组件:数据可用性

400、解读学习曲线:高偏差

4、规模化驱动下的机器学习发展

45、优化验证测试的一般形式

传统的关于偏差和方差的观点在现代机器学习项目中变得这样不适用,是然后更新什儿 传统的指导方针了,本章将教你怎么后能 利用偏差和方差来优化现代机器学习项目。

55、误差归因的一般情況

5、你的开发集和测试集

2、怎么后能 利用本书帮助你的团队

15、在误差分析中并行评估多个想法

40、从训练集到开发集的泛化

32、绘制学习曲线

在原稿中,Andrew NG 把每有2个 主题都浓缩到 1-2 页的阅读量,是非常精炼的。什儿 什儿 地方是在经过另一方的理解然后并尽量遵照原文进行翻译,然后希望尽不可能 的读起来通顺。

53、根据组件执行误差分析

根据组件执行误差分析 「Error analysis by parts」

17、 不可能 你有有2个 很大的开发集,拆分为两半,并只关注其涵盖2个

54、将误差归因到某个组件

10、使用开发集和评估指标加速迭代

18、眼球开发集和黑盒开发集应该多大

26、在训练集上的误差分析