51CTO直播

机器学习精读：课程简介与最新动态

我们很高兴地宣布，我们推出了全新版本的课程内容，涵盖人工智能的最新进展，侧重交互式学习体验。快来了解机器学习速成课程的最新变化吧！

直播大咖：

51CTO在现场

机器学习精读：梯度下降法

梯度下降法是一种通过迭代优化参数值来训练机器学习模型的算法。 在本期视频中，你将学习如何用梯度下降法训练线性回归模型，来估算驱车前往你最常光顾的咖啡馆所需的时间。

直播大咖：

51CTO在现场

机器学习精读：逻辑回归

逻辑回归是一种预测概率的机器学习技术。 在本期视频中，你将学习如何用逻辑回归预测一封邮件是垃圾邮件的概率。

直播大咖：

51CTO在现场

机器学习精读：分类

分类是一种预测样本所属类别的机器学习技术。例如，用于检测垃圾邮件的分类模型会预测邮件是“垃圾邮件”还是“非垃圾邮件”。 在本期视频中，你将学习如何设定分类阈值，将模型给出的数值预测结果转换为具体的类别

直播大咖：

51CTO在现场

机器学习精读：神经网络入门

神经网络是一种机器学习模型，能够自动学习数据中的非线性关系。 在本期视频中，你将了解神经网络架构的基本组成：节点、隐藏层和激活函数，以及如何用它们搭建能表征非线性关系的模型。

直播大咖：

51CTO在现场

机器学习精读：神经网络中的反向传播

反向传播是一种流行的机器学习算法，用于优化神经网络中的参数值。 在本期视频中，你将探索一个“现实版”神经网络（一群协作完成任务的学生）如何通过迭代学习改进输出，从而理解反向传播的工作原理。

直播大咖：

51CTO在现场

机器学习精读：嵌入向量

嵌入向量可将高维特征向量映射到低维空间，从而揭示特征值之间的潜在关联。 在本期视频中，你将学习如何训练一个表示单词之间关系的嵌入向量。

直播大咖：

51CTO在现场

机器学习精读：公平性

了解在评估机器学习模型的公平性时应遵循的原则和最佳实践，包括识别和减轻数据偏差的策略。 在评估机器学习模型的预测结果时，整体表现优异有时并不意味着没有公平性问题。 在本期视频中，你将探索一个在模型评估

直播大咖：

51CTO在现场

机器学习精读：泛化

机器学习模型的质量取决于其泛化能力，即对从未见过的​​数据做出良好预测的能力。 在本期课程视频中，您将探索机器学习模型泛化失败的情况，并学习如何纠正这个问题。

直播大咖：

51CTO在现场