筆記|李宏毅老師機器學習課程，視頻18Fizz Buzz in Tensorflow
《學習筆記》專欄·第21篇
文 | MLer
718字 | 2分鐘閱讀
【數(shù)據(jù)科學與人工智能】開通了機器學習群，大家可以相互學習和交流。請掃描下方二維碼，備注：姓名-ML，添加我為好友，誠邀你入群，一起進步。
感謝李宏毅老師的分享，他的課程幫助我更好地學習、理解和應用機器學習。李老師的網(wǎng)站：
http://speech.ee.ntu.edu.tw/~tlkagk/index.html。
這個學習筆記是根據(jù)李老師2017年秋季機器學習課程的視頻和講義做的記錄和總結。因為這個視頻是在Youtube上面，有些朋友可能無法觀看，我把它搬運下來放在云盤上面，大家點擊閱讀原文，就可以直接在手機隨時隨地觀看了。再次，感謝李老師的付出和貢獻。
這門課，共有36個視頻，每個視頻播放的時間不一。我按著視頻播放的順序，觀看，聆聽和學習，并結合講義，做學習筆記。我做學習筆記目的有三：
1 幫助自己學習和理解機器學習
2 記錄機器學習的重要知識、方法、原理和思想
3 為傳播機器學習做點事情
視頻18：Fizz Buzz in Tensorflow
一、Fizz Buzz的有趣例子
李老師有趣的分享了一個面試題目，并且通過Keras做實驗，進行了演示。
創(chuàng)意的地方，有以下三點：
第一，把輸入的數(shù)字采用二進制表示，輸出的使用one-hot編碼
第二，對于訓練集做性能分析，若是發(fā)現(xiàn)性能不佳的時候，調整神經(jīng)網(wǎng)絡的結構，即層數(shù)，從而讓尋模型在訓練集學習到一個更好的函數(shù)
第三，對比分析訓練集和測試集上面的性能
我們在做模型和應用模型的時候，首先要對問題的定義、抽象和描述，需要做深入地思考。正確的問題，是我們解決問題和創(chuàng)造價值的源頭。
更多詳細的內容，請點擊閱讀原文，查看視頻。
朋友們，在學習中有什么問題或者想法，請加入機器學習群，大家一起討論，共同進步。
每周一書
課程視頻點擊
↓↓↓