自我监督 打卡公开课

诶又逃掉了两天。今天把Embeddings看完了，讲义和视频很不错，互相配合的来的，从Embeddings的motivation，到提取feature，到implementation，围绕IMDB一个数据集 end2end来了一遍。内核打开说了两种，PCA一个链接https://en.wikipedia.org/wiki/Principal_component_analysis，word2vec一个链接https://www.tensorflow.org/tutorials/word2vec。后者我还没细看，发现TF doc里面还有几个tutorial，扫了一眼标题，倒是按ML应用比较多到几个问题来组织的，看上去有用到样子。
本集差评在code练习，冗长，confusing，把简单概念说复杂了，其实就是对比linear和DNN两种implement 方式，在DNN里面对比了indicator_column 和embedding_column两种feature提取方式。还不如源码注释简明易懂https://github.com/tensorflow/tensorflow/blob/master/tensorflow/python/feature_column/feature_column.py
说些什么超出vocabulary的词用oov，用hashing，信息量太密集也没有说的明白，还不如看doc https://www.tensorflow.org/api_docs/python/tf/feature_column/categorical_column_with_vocabulary_list
其他的feature method我也没细看，挖个坑先。
总之练习题不太好，这一节。

补充内容 (2018-6-24 13:36):
PCA 链接: https://en.wikipedia.org/wiki/Principal_component_analysis
word2vec 链接: https://www.tensorflow.org/tutorials/word2vec

用了一个小时看了下了ML Engineering ～30min， ML Real World Example ~12min。作为业界非萌新，也不想评论啦。本帖可以关张大吉。下一个帖子开跟项目的。接下来一个月已经commit了一个组做一个还蛮有意思的small data项目，工作相关，帖子里面我尽量多说一些。再加上杂七杂八的事情，比较intensive，如果有时间的话，再考虑把这门课推荐的附加大作业，ML Practicum (90-120min) 主要介绍CNN的，看它时间估计，依然不是一个以让你hands on为目的的大作业，其他情况请移步我的新帖。

本帖至此完结，求加学分。

多谢分享！

楼主加油

加油加油

楼主加油!!!我先学习吴恩达的