В этом блоге я объясню, как структурировать проект машинного обучения и некоторые полезные методы для глубокого обучения, такие как трансферное обучение, многозадачность и сквозное обучение. В предыдущем блоге я упоминал, сколько стратегий и параметров задействовано в проекте машинного обучения. В частности, когда мы хотим оптимизировать результаты нашего алгоритма, у нас есть несколько вариантов, таких как: Соберите больше данных Иметь более разнообразный тренировочный набор..

Эндрю Нг Класс Coursera в 2019 г. Недавно я прошел онлайн-курс Машинное обучение профессора Эндрю Нг (Стэндфорд). Я выскажу свое мнение о том, стоит ли проходить этот курс в 2019 году. Моя уникальная точка зрения - это кто-то с формальным образованием в области физики и инженерии и с многолетним опытом работы в этих научных областях. В своей карьере я разрабатывал научное программное обеспечение, модели, симуляции и хорошо разбираюсь в статистике, исчислении и линейной алгебре...

Оглавление: 1. Машинное обучение 2. Линейная регрессия 3. Функция стоимости 4. Градиентный спуск Машинное обучение Что такое машинное обучение? Область исследования, которая дает компьютерам возможность учиться без явного программирования. (Артур Сэмюэл (1959)). Типы машинного обучения: · контролируемое обучение · Неконтролируемое обучение · Рекомендательные системы · Обучение с подкреплением Контролируемое обучение: При обучении с учителем при обучении..

Что делать, если алгоритм обучения кажется неправильным — Эндрю Нг Теперь давайте предположим, что мы собираемся использовать линейную регрессию для некоторого прогноза. Вот наша функция стоимости с добавленным членом регуляризации. Однако что мы можем сделать, если стоимость прогноза (ошибка) окажется очень большой? Есть несколько способов сделать это. Получите больше обучающих данных/Выберите выборку обучающих данных, которая больше похожа на популяцию (это сложно) Попробуйте..

Заметки о курсе Coursera Машинное обучение , проведенном Эндрю Нг, адъюнкт-профессором Стэнфордского университета. После обучения мы получаем хорошую модель. Если мы применим его к определенным проблемам, мы можем получить или не получить хорошую производительность. Это вопрос, который мы собираемся обсудить сегодня - почему производительность хорошей модели ужасна? Давайте сначала подумаем - какая модель хорошая? В предыдущем примечании определение «хорошей» модели - это модель с..