机器学习是很多重要应用（包括网络搜索、反垃圾邮件、语音识别、产品推荐等）的基础。如果你或你的团队正在开发机器学习的应用，而你希望获取快速的进展，那么这本书将会对你有帮助。
例子：创建一个识别猫的创业公司
假设你创建了一个可以为猫爱好者提供无穷无尽的猫图片的创业公司。你会使用神经网络建立一个机器视觉系统，用于检测图片中的猫。
不幸地是，学习算法的精度并没有那么高，所以你会面临很大的压力完善算法。你会怎么做？
你的团队提了很多意见，比如：
- 获取更多的数据：收集更多的包含猫的图片；
- 收集更多样化的训练集。比如，不同位置的猫，不同颜色猫，不同相机设置拍摄的猫；
- 增加运行算法的时间，增加更多次的梯度下降迭代；
- 尝试更大的神经网络，包括更多的层级/隐藏单元/参数；
- 尝试更小的神经网络；
- 尝试添加正则化（比如L2正则化）；
- 改变神经网络的架构（激活函数，隐藏单元的数目等）；
- 。。。
在这么多可能性中，如果做出了正确的选择，你将建立一个领先的识别猫图片的平台，并且领导公司走向成功。如果选择错误，将会浪费几个月的时间。你会怎么选择？
这本书将告诉你如何去做。大部分机器学习问题都会留下线索，这些线索将告诉你什么样的尝试是有用的，什么样的是无用的。理解这些线索能够节省数月甚至数年的开发时间。
网友评论