文章插圖
文章插圖
文章插圖
新智元報道
編輯：LRS
【新智元導讀】吳恩達最近發布了一篇博客，介紹了幾個基礎算法的起源和直觀理解，還宣傳了一下自己重置版機器學習課程：目的竟是為了復習一遍！
神經網絡模型在學術界和工業界都處于絕對的壟斷地位，使得「機器學習」幾乎要跟「深度學習」劃上等號了 。
作為深度學習的領軍人，吳恩達自然也是深度學習的忠實使用者 。
最近吳恩達在博客網站上發表了一篇特刊，表示自己由于常年使用神經網絡，已經快忘了該怎么用傳統的機器學習算法了！
文章插圖
因為深度學習并非在所有場景下都好用 ， 所以在「盲目」使用神經網絡受挫后，痛定思痛，寫了一篇文章，為一些傳統的機器學習算法提供一些直觀上的解釋 。
文章插圖
這篇博客也是為即將發布的、由 Stanford Online 和 DeepLearning.AI 聯合推出Machine Learning Specialization課程提供一些基礎知識，包括線性回歸、邏輯回歸、梯度下降、神經網絡、決策樹、K-means聚類等算法 。
文章插圖
吳恩達的來信
親愛的朋友們，
幾年前，我們計劃在有限的計算量預算內將該算法應用于一個龐大的用戶群，所以有必要選擇一個高效的算法 。
在神經網絡和決策樹學習算法之間，我選擇了神經網絡 。
因為我已經有一段時間沒有使用提升決策樹了，我直覺上認為它們需要的計算量比實際要多，但選擇神經網絡是一個錯誤的決定 。
幸運的是，我的團隊很快就指出了錯誤，并修正了我的決定，而這個項目最后也獲得了成功 。
這次經歷給我上了一課，告訴我學習和不斷刷新基礎知識的重要性 。如果我重新熟悉了提升樹，我就會做出更好的決定 。
文章插圖
機器學習和其他技術領域一樣，隨著研究人員社區在彼此工作的基礎上不斷發展，一些貢獻經過時間的考驗后 ， 長盛不衰，并成為進一步發展的基礎 。
從住房價格預測器到文本、圖像生成器，一切新算法都建立在基礎算法上（例如線性和邏輯回歸、決策樹等）和基礎概念（如正則化、優化損失函數、偏差/方差等）的核心思想上 。
堅實的、時刻更新的基礎知識是成為一名高效的機器學習工程師的一個關鍵 。許多團隊在日常工作中都會用到這些想法，而博客文章和研究論文也常常假定你對這些思想很熟悉，這些常識基礎對于我們近年來看到的機器學習的快速進步至關重要 。
這也是為什么我把原來的機器學習課程進行了更新 。
文章插圖
我的團隊花了很多時間來討論最核心的教學概念，為各種主題制定了廣泛的教學大綱，并在其中設計了課程單元的原型 。
這個過程幫助我們認識到 ， 主題的多樣性比細節的知識更重要 ， 所以我們又重新制作了一份大綱 。
我希望最后的結果是一套易于理解的課程，能夠幫助任何人掌握當今機器學習中最重要的算法和概念，包括深度學習，但也包括很多其他東西，并能夠建立有效的學習系統 。
相關經驗推薦
- 用平底鍋煎1個雞蛋需要4分鐘 煎雞蛋平底鍋需預熱幾分鐘
- 有新消息？《哥譚騎士》官方發推為明日活動預熱
- 烤蛋撻提前預熱幾分鐘 烤蛋撻預熱時間
- 兩隊傳奇眾星云集！FIFA曬阿根廷vs荷蘭預熱海報
- 烤箱預熱一般多久
- 烤箱烤薯片預熱多久
- 新課程改革背景下的教師觀
- 做面包烤箱預熱多久
- 烤箱烤雞胸預熱多久
- 烤箱預熱時間要多久