《阿萨姆：机器学习实践经验分享》集中讨论贴

随着硬件算力的上升、数据积累的加大和各种新算法的浮现，机器学习走到了聚光灯下。不夸张的说，这是机器学习的时代。然而，机器学习虽然能够给出惊艳的结果，但其有限的解释性也常被人戏称为“黑箱”。而实践者在使用机器学习的过程中往往也会面临各种各样的选择。选择什么数据？数据如何清理？使用哪个模型？如何进行评估？如何发现过拟合与欠拟合？

这些问题都还没有准确的答案，往往依赖于使用者的经验与直觉。在今天的分享课中，我们将会集中讨论在机器学习中所面临的选择，并给出一些实用的经验建议。详情请参考题纲。

知乎大V阿萨姆公开课分享主题《机器学习实践经验分享》

分享提纲

1. 如何将实际问题抽象为机器学习问题？
2. 如何选择适合的数据？
3. 如何选择适合的模型和有效的评估标准？
4. 如何理解欠拟合与过拟合？Bias-Variance 分解的意义是什么？
5. 机器学习101问

课程报名地址：http://www.mooc.ai/open/course/375

关于本次课程内容，你有哪些问题想要提问？欢迎在本帖下留言，AI研习社将邀请阿萨姆就重点问题集中回答。