google机器学习速成--第一天

第一课:

学习本课程，工程师能在三个方面做得更好:
 1 缩短编程时间
  2 可以定义自己的产品
  3 可以解决那些人工难以解决的问题。

第二课 框架处理

标签和特征 样本和模型

第三课 深入了解机器学习

图1 回归损失函数--即误差 追求整体数据集误差最小 平方损失

第四节课 降低损失

初始化权重 SGD和小批量梯度下降法

梯度下降法的三种形式BGD、SGD以及MBGD

第五节 使用TF的基本步骤

TensorFlow API层次 快速了解常用estimator

张量 (Tensor)

TensorFlow 程序中的主要数据结构。张量是 N 维（其中 N 可能非常大）数据结构，最常见的是标量、向量或矩阵。张量的元素可以包含整数值、浮点值或字符串值。

图 (graph)

TensorFlow 中的一种计算规范。图中的节点表示操作。边缘具有方向，表示将某项操作的结果（一个张量）作为一个操作数传递给另一项操作。可以使用 TensorBoard 直观呈现图。

---

Google机器学习速成课程地址