Machine Learning Yearning 其實是吳恩達早期的一個項目，今年 2 月 Deep Learning Specialization 最后一課上線之后，吳恩達又撿起了這個荒廢已久的項目。

在 4 月初的時候，吳恩達曾經介紹過這本書：這本書的重點不是教你機器學習的算法，而是教會你如何使用這些算法，為己所用。就像一些技術型的人工智能課程會給你一把錘子，但是這本書會教你如何使用這把錘子。如果你渴望成為人工智能領域的技術領導者，并希望學習如何為你的團隊設定方向，那么這本書將會有所助益。

在讀完本書之后，你將學會：

為人工智能項目確定最有前景的方向；

診斷機器學習系統中的錯誤；

在復雜設置（如不匹配的訓練/測試集）中構建 ML；

設置一個 ML 項目，與人類的表現相比較；

了解何時以及如何應用端到端學習、遷移學習和多任務學習。

內容截圖：

完整內容目錄：

1 機器學習為什么需要策略?

2 如何使用此書來幫助你的團隊

3 先修知識與符號說明

4 規模驅動機器學習發展

5 開發集和測試集的定義

6 開發集和測試集應該服從同一分布

7 開發集和測試集應該有多大？?

8 使用單值評估指標進行優化

9 優化指標和滿意度指標

10 通過開發集和度量指標加速迭代

11 何時修改開發集、測試集和指標

12 小結：建立開發集和測試集

13 快速構建并迭代你的第一個系統

14 誤差分析：根據開發集樣本評估想法

15 在誤差分析時并行評估多個想法

16 清洗誤標注的開發集和測試集樣本

17 將大型開發集拆分為兩個子集，專注其一

18 Eyeball 和 Blackbox 開發集該設置多大？

19 小結：基礎誤差分析

20 偏差和方差：誤差的兩大來源

21 偏差和方差舉例

22 與最優錯誤率比較

23 處理偏差和方差

24 偏差和方差間的權衡

25 減少可避免偏差的技術

26 訓練集誤差分析

27 減少方差的技術

28 診斷偏差與方差：學習曲線

29 繪制訓練誤差曲線

30 解讀學習曲線：高偏差

31 解讀學習曲線：其它情況

32 繪制學習曲線

33 為何與人類表現水平進行對比

34 如何定義人類表現水平

35 超越人類表現水平

36 何時在不同的分布上訓練與測試

37 如何決定是否使用你所有的數據

38 如何決定是否添加不一致的數據

39 給數據添加權重

40 從訓練集泛化到開發集

41 辨別偏差、方差和數據不匹配誤差

42 解決數據不匹配問題

43 人工合成數據

44 優化驗證測試

45 優化驗證測試的一般形式

46 強化學習舉例

47 端到端學習的興起

48 端到端學習的更多例子

49 端到端學習的優缺點

50 流水線組件的選擇：數據可用性

51 流水線組件的選擇：任務簡單性

Page 4 Machine Learning Yearning-Draft Andrew Ng

52 直接學習更為豐富的輸出

53 根據組件進行誤差分析

54 誤差歸因至某個組件

55 誤差歸因的一般情況

56 組件誤差分析與人類水平對比

57 發現有缺陷的機器學習流水線

58 建立超級英雄團隊 - 讓你的隊友閱讀這本書吧

---

deeplearning.ai公眾號公布了這本書的翻譯版，現本站轉發下載：

鏈接：https://pan.baidu.com/s/1OmlO8fAZILFF3Gbjrk3rlg?

提取碼：zr03

若鏈接失效，請回復“訓練秘籍”獲取下載地址。

---

機器學習愛好者qq群：654173748

請關注和分享本公眾號：

精華文章：

機器學習初學者公眾號下載資源匯總（一）

首發：深度學習入門寶典-《python深度學習》原文代碼中文注釋版及電子書

吳恩達老師的機器學習和深度學習課程筆記打印版

吳恩達老師機器學習課程個人筆記在線版

DeepLearning.ai深度學習課程筆記在線版

機器學習的數學基礎

科研工作者的神器-zotero論文管理工具

總結

以上是生活随笔為你收集整理的机器学习训练秘籍完整中文版下载（吴恩达老师新作）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。