哈囉，歡迎參加「建構機器學習計劃」這門課 教你關於機器學習的策略 我希望你在這門課能學到如何 更快、更有效率完成你的機器學習系統。 那麼，什麼是機器學習的策略？ 讓我們看個例子 假設你在做一個貓貓辨識器 做了一段時間後 你的系統達到了 90% 的準確度 但是這還不夠好 你可能會有很多點子來改善你的系統 例如，你會想蒐集更多的資料、訓練資料 或者你會說 或許訓練資料不夠多樣 你應該蒐集不同姿勢的貓的圖片 或者更多樣的反面資料 抑或、你想用梯度下降法訓練更久 或是用其他的最佳化演算法 例如 Adam 優化法 或者試大一點、小一點的網路 也可能嘗試 dropout 或 L2 正則化 還可能改變 網路架構，例如試不同啟動函數 調整隱藏單元個數、等等等。 要改善一個深度學習系統 你常常擁有很多可用的點子 問題是，如果選得不好 有可能你嘗試某個方向六個月 結果發現六個月後一事無成 例如我看過某群人花了六個月蒐集更多資料 六個月後才發現 這幾乎沒改善他們的系統 所以如果你沒有六個月能浪費 如果能有很快又有效的方法 找出這裡有哪幾個點子、或有其他的點子 是值得一試的，而哪些可以放棄，這樣不是很好嘛 所以這門課想做的，是教你若干策略，也就是 分析一個機器學習難題的方法 指引你嘗試最有希望的點子 在這門課我也會分享 幾個我過去的經驗 從打造推出許多深度學習產品中學到的 我覺得這些內容非常獨特 我還沒看過有什麼大學的 深度學習課程在教這個的 其實在深度學習的年代 機器學習的策略也一直在改，因為 深度學習演算法能做到的 和之前的機器演算法能做的不一樣 我希望這些觀念能幫助你 更有效率完成你的深度學習系統