Git Product home page Git Product logo

machine-learning-yearning's Introduction

README

目 录

简介

NG的手稿,共58章现已出全。我这里边学习边翻译,随手记录之,加深学习印象,仅供学习交流。

官网:http://www.mlyearning.org/

更新记录:

  • update 2018.02.02:完成1~14章的翻译(DONE)

  • update 2018.04.25:NG终于出15~19章的手稿啦,等的好辛苦(DONE)

Tips:在原先的12章和13章之间新增一个章节 13 Build your first system quickly, then iterate,原先的chapter13变为14,chapter14变为15

  • update 2018.05.02:手稿 20~22 章已出(DONE)
  • update 2018.05.09:手稿 23~27 章已出(DONE)
  • update 2018.05.16:手稿 28~30 章已出(DONE)
  • update 2018.05.23:手稿 31~32 章已出(DONE)
  • update 2018.05.30:手稿 33~35 章已出(DONE)
  • update 2018.06.06:手稿 36~39 章已出(DONE)
  • update 2018.06.13:手稿 40~43 章已出(DONE)
  • update 2018.06.20:手稿 44~46 章已出(DONE)
  • update 2018.06.27:手稿 47~49 章已出(DONE)
  • update 2018.07.04:手稿 50~52 章已出(DONE)
  • update 2018.09.29:手稿 53~58 章已出(DONE)

业余时间翻译,水平有限,如有不妥或错误之处,欢迎不吝赐教。

目的

这本书的目的是教你如何做组织一个机器学习项目所需的大量的决定。 你将学习:

  • 如何建立你的开发和测试集
  • 基本错误分析
  • 如何使用偏差和方差来决定该做什么
  • 学习曲线
  • 将学习算法与人类水平的表现进行比较
  • 调试推理算法
  • 什么时候应该和不应该使用端到端的深度学习
  • 按步进行错误分析

翻译章节

共58个章,分10小节:

  • Setting up development and test sets
  • Basic Error Analysis
  • Bias and Variance
  • Learning curves
  • Comparing to human-level performance
  • Training and testing on different distributions
  • Debugging inference algorithms
  • End-to-end deep learning
  • Error analysis by parts
  • Conclusion

翻译内容移步gitbooks:Machine Learning Yearning

英文原文

详见 draft 目录:

01-14章:Ng_MLY01-01-14.pdf

15-19章:Ng_MLY02-15-19.pdf

20-22章:Ng_MLY03-20-22.pdf

23-27章:Ng_MLY04-23-27.pdf

28-30章:Ng_MLY05-28-30.pdf

31-32章:Ng_MLY06-31-32.pdf

33-35章:Ng_MLY07-33-35.pdf

36-39章:Ng_MLY08-36-39.pdf

40-43章:Ng_MLY09-40-43.pdf

44-46章:NG_MLY10-44-46.pdf

47-49章:NG_MLY11-47-49.pdf

50-52章:Ng_MLY12-50-52.pdf

53-58章:Ng_MLY13-53-58.pdf

重要声明!!!

1、已授权作者认为我是有意扩散的,特此证明不是,以下是邮件截图:

mly

我不太看邮件,在我授权同意之前该文章就已经发出了,也是同事看到后发我才知道的,我看了机器之心的报道,措辞上没有什么问题,于是补了同意,但强调了“用于学习交流”。

2、作者一直强调我的翻译脱离了《著作权法》中对于翻译权所规定的 “为学校课堂教学或者科学研究,翻译已经发表的作品,供教学或者科研人员使用,但不得出版发行” 的特殊范畴

我对此提出疑惑,认为没有,因为我从最开始就是以学习的目的来翻译的,仅仅作为自己的记录,从始至终并没有其他商业想法。所以我这里符合供学习探讨和科研使用的范畴。我再次向其咨询,其并没有给予我解释,而是一味地强调让我删除。

3、作者认为我是在骗取star量

在这里我不同意作者的观点,我从始至终从未主动宣传过,在机器之心报道前就已经有五百多star(远高于作者目前的两百多),都是被别人自发搜索关注的,我只是默默的在做我最初想要做的事情:就是自己在阅读的同时顺便翻译记录下来,方便再次温习,以便更好的理解文章中的内容。上传到github其一是方便管理,其二是能顺便和大家一起学习交流,共同进步。

4、虽然我开源的比较早,又因为仅限于学习目的,再加上工作比较忙,第一次弄这个,没有申请完整版权这个意识,在这一点上比不上开源一个月不到的已授权作者。我已经向NG提交了仅供学习交流的授权申请,等待授权之,暂且先在github上移除翻译内容,给各位小伙伴学习上带来的不便,敬请谅解。

machine-learning-yearning's People

Contributors

gitbook-bot avatar hyqskevin avatar xiaqunfeng avatar

Watchers

 avatar  avatar  avatar

Recommend Projects

  • React photo React

    A declarative, efficient, and flexible JavaScript library for building user interfaces.

  • Vue.js photo Vue.js

    🖖 Vue.js is a progressive, incrementally-adoptable JavaScript framework for building UI on the web.

  • Typescript photo Typescript

    TypeScript is a superset of JavaScript that compiles to clean JavaScript output.

  • TensorFlow photo TensorFlow

    An Open Source Machine Learning Framework for Everyone

  • Django photo Django

    The Web framework for perfectionists with deadlines.

  • D3 photo D3

    Bring data to life with SVG, Canvas and HTML. 📊📈🎉

Recommend Topics

  • javascript

    JavaScript (JS) is a lightweight interpreted programming language with first-class functions.

  • web

    Some thing interesting about web. New door for the world.

  • server

    A server is a program made to process requests and deliver data to clients.

  • Machine learning

    Machine learning is a way of modeling and interpreting data that allows a piece of software to respond intelligently.

  • Game

    Some thing interesting about game, make everyone happy.

Recommend Org

  • Facebook photo Facebook

    We are working to build community through open source technology. NB: members must have two-factor auth.

  • Microsoft photo Microsoft

    Open source projects and samples from Microsoft.

  • Google photo Google

    Google ❤️ Open Source for everyone.

  • D3 photo D3

    Data-Driven Documents codes.