基础、理论、直觉 |
1.机器学习简介
机器学习技术的基本概念，应用场景等。
2.学习的核心问题
机器学习的理论根基，“中心思想”。
3.可学习的问题
哪些问题属于可学习的、适合学习的问题。
4.常用模型——
常用模型，但是更偏重模型背后的逻辑脉络、使用场景和关联。
5.常用优化方法
常用优化方法，同样更偏重其逻辑和使用场景，而不是具体做法 |
系统、工程、实践 |
1.模型 VS 系统
模型与系统的关系。
2.系统鸟瞰
机器学习系统生态鸟瞰
3.系统核心组件
机器学习系统的核心组件，包括样本、特征、训练、预测、评估等
4.工具选择
开发工具、平台的选择，不同工具的特点，以及在不同阶段的作用。
5.系统设计
机器学习系统与传统软件系统的不同，以及如何掌控这种不同。
6.开发流程
从零开始，如何构建一个机器学习系统。
|
