第一周 機(jī)器學(xué)習(xí)（ML）策略（1）（ML strategy（1））
1.1 為什么是ML策略腮敌？（Why ML Strategy?）
這里我理解的策略，應(yīng)該是機(jī)器學(xué)習(xí)過程中采用的方法以及技巧驹闰。當(dāng)然有經(jīng)驗(yàn)的機(jī)器學(xué)習(xí)人會(huì)更有經(jīng)驗(yàn)减拭。
1.2 正交化（Orthogonalization）
吳老師講的過程中瞳浦，有點(diǎn)感覺像是控制變量法盖文。
所謂的正交化我理解就是在機(jī)器學(xué)習(xí)系統(tǒng)過程中有很多可以調(diào)的東西，然后就是要建立需要來控制能夠讓一個(gè)參數(shù)控制一個(gè)東西双饥，這樣出了問題或者優(yōu)化的過程中知道用什么來調(diào)什么或者優(yōu)化什么媒抠。
1.3 單一數(shù)字評估指標(biāo)（Single number evaluation metric）
所以本視頻介紹的是，有一個(gè)單實(shí)數(shù)評估指標(biāo)真的可以提高你的效率咏花，或者提高你的團(tuán)隊(duì)做出這些決策的效率趴生。
我發(fā)現(xiàn)很多機(jī)器學(xué)習(xí)團(tuán)隊(duì)就是這樣，有一個(gè)定義明確的開發(fā)集用來測量查準(zhǔn)率和查全率昏翰，再加上這樣一個(gè)單一數(shù)值評估指標(biāo)苍匆，有時(shí)我叫單實(shí)數(shù)評估指標(biāo)，能讓你快速判斷分類器A或者分類器B更好棚菊。
1.4 滿足和優(yōu)化指標(biāo)（Satisficing and optimizing metrics）
1.5 訓(xùn)練/開發(fā)/測試集劃分（Train/dev/test distributions）
1.6 開發(fā)集和測試集的大薪取（Size of dev and test sets）
1.7 什么時(shí)候該改變開發(fā)/測試集和指標(biāo)？（When to change dev/test sets and metrics）
1.8 為什么是人的表現(xiàn)统求？（Why human-level performance?）
1.9 可避免偏差（Avoidable bias）
1.10 理解人的表現(xiàn)（Understanding human-level performance）
1.11 超過人的表現(xiàn)（Surpassing human- level performance）
1.12 改善你的模型的表現(xiàn)（Improving your model performance）
一检碗、學(xué)習(xí)安排（11月14日-11月16日）
1.主要學(xué)習(xí)視頻：第六課：機(jī)器學(xué)習(xí)（ML）策略（1）（https://mooc.study.163.com/smartSpec/detail/1001319001.htm?from=study）
2.參考資料：
C3M1 slides
(http://cs230.stanford.edu/syllabus.html)
二、作業(yè)上傳事項(xiàng)
1.作業(yè)內(nèi)容：
主要是總結(jié)所學(xué)習(xí)的視頻和講義內(nèi)容
(提交形式码邻，是以“匯報(bào)”形式匯報(bào)給助教（李凱旋）折剃，對于作業(yè)敷衍的直接視為下車)
2.作業(yè)提交日期
作業(yè)規(guī)定在11月16日24點(diǎn)之前，大家把握好時(shí)間像屋，且11月17日晚上怕犁，助教會(huì)公布沒有交作業(yè)者并令其下車；
@所有人
