课程主页: https://www.coursera.org/learn/art-science-ml-jp
欢迎来到《机器学习的艺术与科学》日本语版课程！本课程由六个模块组成，旨在为学习者提供深入的机器学习知识，以及实现机器学习模型优化的基本技能。
在本课程的第一部分，您将学习如何通过详细调整和优化机器学习模型，以获取最佳性能。您将掌握模型的正则化技术，学习如何有效地让模型泛化，以及高超参数的影响，譬如批量大小和学习率如何影响模型的表现。
接下来的模块将帮助您实践机器学习，通过调整批量大小和学习率来提升模型性能，并将这些概念应用到TensorFlow代码中。
在“超参数调整”模块中，您将学会如何区分参数与超参数，并探讨传统网格搜索的方法以及如何超越这些传统方法，使用更智能的算法进行搜索。此外，该模块还将介绍如何利用Cloud ML Engine来便利地自动化超参数调整。
随后，课程将深入探讨机器学习的理论部分，学习如何实现稀疏性以构建简单且有效的模型，以及通过逻辑回归来理解性能的决策机制。
此后，课程将聚焦于神经网络的理论，深入解析如何利用神经网络进行机器学习。
最后，您将学习如何利用嵌入技术处理稀疏数据，减少模型的内存消耗，并加快训练速度，使得模型更简单、易于泛化。
总而言之，《机器学习的艺术与科学》不仅涵盖了坚实的理论基础，还包括丰富的实践内容，适合希望深入学习机器学习的学习者们。无论您是刚起步的初学者还是想要提升技能的工程师，这门课程都值得一试！
课程主页: https://www.coursera.org/learn/art-science-ml-jp