机器学习避坑指南

英国Heriot-Watt大学副教授Michael Lones总结的经验之谈。

本文档简要概述了使用机器学习技术时出现的一些常见错误，以及可以采取哪些措施来避免这些错误。它主要目的是作为研究生的指南，侧重于学术研究中特别关注的问题，例如需要进行严格比较并得出有效结论。它涵盖了机器学习过程的五个阶段：在模型构建之前做什么、如何可靠地构建模型、如何稳健地评估模型、如何公平地比较模型以及如何报告结果。

文章下载：[2108.02497] How to avoid machine learning pitfalls: a guide for academic researchers (arxiv.org)

视频：《Python机器学习》作者的深度学习170讲

Sebastian Raschka（现为威斯康星大学麦迪逊分校的助理教授）将整理了我在 2021 年录制的所有与深度学习相关的视频。

课程链接：Introduction to Deep Learning (sebastianraschka.com)

知识图谱AI大本营

知识图谱AI大本营 是一个追踪、解读、讨论和报道知识图谱、深度学习、机器学习等AI前沿成果的学术平台，致力于让人工智能领域的国内外优秀科研工作者们得到交流学习的机会。