简介

随着机器学习越来越受到公众的关注，很多初学者希望能快速了解机器学习及前沿技术。

Google在2008年上线了一个“机器学习速成课程”，英文简称MLCC。用他们自己的话来形容，这个课程节奏紧凑、内容实用。课程总共需要大约15小时，包含大量教学视频，还有对算法实际运用的互动直观展示，让用户可以更容易地学习和实践机器学习概念。课程共25节，还有40多项练习。

据Google介绍，这个课程本来是工程师教育团队为自家员工开发的，也就是说，它的前身是一份内部培训资料。目前，有18000多名Googler报名参加了MLCC课程，把从课程中学到的东西用到了Google的各种产品上。内部培训很成功嘛，于是Google决定，把这个课程送到更多人面前。

按照该课程所述，读者可能需要初级代数知识，如变量与系数、线性方程组和函数曲线等以理解基本的机器学习模型。此外，读者也需要一些 Python 编程经验，但一般只需要最基础的函数定义、列表/字典、循环和条件表达式等。本课程的实现是基于 Python 和 TensorFlow，不过读者在学习前并不需要任何 TensorFlow 知识。Google在课程页面上就明确地列出了课程的前提条件：

1. 掌握入门级代数知识。 您应该了解变量和系数、线性方程式、函数图和直方图（熟悉对数和导数等更高级的数学概念会有帮助，但不是必需条件）。

2. 熟练掌握编程基础知识，并且具有一些使用 Python 进行编码的经验。机器学习速成课程中的编程练习是通过 TensorFlow 并使用 Python 进行编码的。您无需拥有使用 TensorFlow 的任何经验，但应该能够熟练阅读和编写包含基础编程结构（例如，函数定义/调用、列表和字典、循环和条件表达式）的 Python 代码。

如果数学已经基本全还给老师了怎么办？Python从入门到放弃了好几次怎么办？

Google在前提条件下边，还列出了学习这门课的准备工作，你需要恶补的知识、事先了解的工具，全都列了出来。

这其中，包括课程涉及的数学概念，每个概念都附有Google工程师教育团队精选的教程或文档，有来自可汗学院的课程、维基百科的词条、TensorFlow和Python的官方文档等等。

不过，这些链接到的内容都是英语的，如果需要中文版，还是要自己动手寻找。

课程包括机器学习概念、机器学习工程、机器学习现实世界应用实例。

比较牛的地方是里面的视频教学有中文语音解说：

其实这个中文语音解说并不是课程讲解老师说的中文，而是通过“机器学习技术生成的”。其他语言还支持：英语、法语、韩语、西班牙语。我觉得大部分的讲师应该都是讲的英语。虽然说这个翻译和合成存在一点小瑕疵，其实你会发现已经非常牛了！

建议大家在学习此课程的时候，把网站的语言调整成英文的，视频中的语言也调整成英文的，在自己理解比较吃力的时候，再去切换成中文的来参考。

课程目录

简介

• 前提条件和准备工作

机器学习概念

• 框架处理（15 分钟）机器学习中的监督学习
• 深入了解机器学习（20 分钟）什么是损失函数，权重和 bias 是什么
• 降低损失（60 分钟）两种梯度下降，及对学习率的实验
• 使用 TensorFlow 基本步骤（60 分钟）不能不懂的 TensorFlow
• 泛化（15 分钟）什么是过拟合，怎样评价一个模型的好坏，把数据集分成测试和训练两部分
• 训练及测试集（25 分钟）验证把数据集分成两部分的好处
• 验证（40 分钟）担心过拟合？在测试和训练集外多弄一个验证集
• 表示法（65 分钟）特征工程，75% 机器学习工程师的时间都在干的事
• 特征组合（70 分钟）明白什么是特征组合，怎么用 TensorFlow 实现
• 正则化：简单性（40 分钟）L2 正则化，学习复杂化和普遍化的取舍
• 逻辑回归（20 分钟）理解逻辑回归，探索损失函数和正则化
• 分类（90 分钟）评估一个逻辑回归模型的正确性和精度
• 正则化：稀松性（45 分钟）L2 的其他种类
• 介绍神经网络（40 分钟）隐藏层，激活函数
• 训练神经网络（40 分钟）反向传播
• 多种类神经网络（50 分钟）理解多类分类器问题，Softmax，在 TensorFlow 中实现 Softmax 结果。
• 嵌入（80 分钟）什么是嵌入，这是干什么的，怎样用好。

机器学习工程

• 生产 ML 系统（3 分钟）ML 生产中的宽度

• 静态 vs. 动态训练（7 分钟）静态和动态训练的优缺点

• 静态 vs. 动态推断（7 分钟）静态和动态推断的优缺点

• 数据依赖（14 分钟）理解 ML 中的数据依赖

机器学习现实世界应用示例

• 预测癌症（5 分钟）
• 18 世纪文献（5 分钟）
• 真实世界方针（2 分钟）

总结

• 后续学习计划
  下一步要学习的内容，推荐了 TensorFlow，Google 的课程深度学习，及 Kaggle 比赛等。

学习地址

https://developers.google.cn/machine-learning/crash-course/?hl=zh-CN