深度学习与神经网络
来源：《Machine Learning Yearning》
翻译：Amusi
编辑：Amusi
机器学习（machine learning）是无数重要应用的基础，其包含网站搜索、垃圾电子邮件检测、语音识别和产品推荐等应用。假如你和你的团队正在研发一项机器学习应用，并且想要取得快速的进展，那么本书将会对你有所帮助。
案例：建议猫咪图片初创公司（Startup）
假设你正在建立一家初创公司，该公司将为猫咪爱好者们提供不计其数的猫咪图片。与此同时，你决定使用神经网络（neural network）技术来构建一套计算机视觉系统，以识别图片中的猫。
但悲剧的是，你的学习算法的准确性还不够好。你面临着提高猫咪检测算法的巨大压力。你该怎么做？
你的团队有许多的改进方案，例如：
获取更多的数据，即收集更多猫的图片
收集更加多样化的训练数据集，比如处于不常见位置的猫的图片，颜色奇异的猫的图片，以及使用不同相机参数拍摄的猫的图片
通过增加梯度下降（gradient descent）的迭代次数，使算法训练得久一些
尝试一个拥有更多层/更多隐藏元（hidden units）/更多参数的，规模更大的神经网络
尝试加入正则化（regularization）（例如 L2 正则化）
改变神经网络的架构（激活函数，隐藏元数量等等）
...
如果你能够在以上可能的方向中做出正确的选择，那么你将建立起一个领先的猫咪图片识别平台，并带领你的公司获得成功。但如果你选择了一个糟糕的方向，则可能因此浪费掉几个月甚至几年的开发时间。
完成本书的阅读后，你将对于“如何在机器学习项目中设定一个技术方向”有着深层次的了解，但你的团队成员可能不理解你为何要推荐一个特定的方向。例如你希望你的团队定义一个单值的评估指标，但他们并不赞成你的观点，此时你将如何说服他们？
这正是我决定缩短章节篇幅的原因——这样你就能够将它们打印出来，并在需要之时让你的团队成员选择阅读其中的 1 至 2 页即可。
优先级的稍加改变会对团队的生产力产生巨大的影响，我希望你能通过帮助团队进行一些有效的改变，从而成为团队里的超级英雄！
---------我是可爱的分割线---------
如果你已经迫不及待地想看到英文原版的电子书，请不要着急。因为贴心的Amusi已经为你准备好了第1-第19章版本的《Machine Learning Yearning》
如何获取呢？
很简单，关注深度学习与神经网络公众号后，后台回复吴恩达新书，即可。
再次划重点，是回复：吴恩达新书
若喜欢“深度学习与神经网络”推送的文章，请扫描下方二维码关注公众号！
您好，欢迎关注深度学习与神经网络。本公众号会定期推送深度学习的教程以及人工智能最新发展情况。感谢大家的支持！
回复“教程”可以看到最新的深度学习教程。
回复“加群”可以加入深度学习交流群。
投稿或合作请加微信：sdxxqbf。
若喜欢，点个赞呗~
