吴恩达《机器学习训练秘籍》中文版来啦！而且免费开源

开源最前线（ID：OpenSourceTop）猿妹编译
部分摘自：https://deeplearning-ai.github.io/machine-learning-yearning-cn/

近日，吴恩达老师的《Machine Learning Yearning》(机器学习训练秘籍）58个章节已经全部完结，并且完全开源，想学习机器学习的伙伴们这下有福啦。

机器学习（machine learning）已然成为无数重要应用的基石——如今，在网络搜索、垃圾邮件检测、语音识别以及产品推荐等领域，你都能够发现它的身影。如果你或你的团队正在研发一款机器学习相关应用，并期待取得较快进展，那么这本书将会是你的得力助手。

这本书并不属于教材型读物，更偏向于实战经验技巧的汇总，已经在知乎上获得无数好评，下面和你好好介绍一下吧

这本书在讲什么？

本书的重点不在于教授传统的机器学习算法，而在于教你如何使机器学习算法发挥作用。一些AI的技术课程会给你一个工具，而这本书将教会你如何使用这些工具。

假如，你带领一个机器学习团队，本书会告诉你在在实际工作中遇到问题应该如何解决，许多机器学习问题都会留下一些线索，告诉你哪些方法是有用的，哪些方法是无用的，帮助你学会自己去解读这些线索，从而节省大量时间。

完成本书的阅读后，你将进一步理解如何为一个机器学习项目设定技术方向，如果你的团队成员不太理解你为何要推荐某个特定的方向。或者你希望你的团队定义一个单值评估指标，但他们并不认可你的想法，你可以让他们也读一读这本书里相应的内容

读这本书之前，你要具备哪些能力？

假如，你已经读过吴恩达老师在Coursera 开设的机器学习 MOOC，那读这本书对你来说就会比较没有难度

本书假设你熟悉监督学习（supervised learning）概念，即使用标注（labeled）的训练样本来学习一个从映射到的函数。监督学习算法主要包括线性回归（linear regression）、对数几率回归（logistic regression，又译作逻辑回归、逻辑斯蒂回归）和神经网络（neural network）。

虽然我们经常提到神经网络，不过这本书只要求你对神经系统这个概念有所了解就可以了

最后附上一些内容截图，给你体会体会：

最后附上相关链接：

Github：

https://github.com/deeplearning-ai/machine-learning-yearning-cn

在线阅读：

https://deeplearning-ai.github.io/machine-learning-yearning-cn/docs/home/

中文版下载地址：

https://github.com/deeplearning-ai/machine-learning-yearning-cn/releases/download/v0.5.0/MLY-zh-cn.pdf

●编号799，输入编号直达本文

●输入m获取到文章目录