一个完整的生态系统，可以帮助您使用机器学习解决棘手的现实问题
了解企业如何使用 TensorFlow
Airbnb
Coca Cola
Deepmind
Lenovo
Sinovation
Fluent
WPS
China Mobile
了解机器学习的工作原理
您是否曾想了解神经网络的工作原理？或者解决机器学习问题有哪些步骤？不用担心，我们会为您讲解。下面将简要介绍机器学习的基础知识。或者，如果您要寻找更深入的信息，请访问我们的教育页面，获取入门级和高级内容。
机器学习简介
机器学习是指帮助软件在没有明确的程序或规则的情况下执行任务。对于传统计算机编程，程序员会指定计算机应该使用的规则。但是，机器学习需要另一种思维方式。现实中的机器学习对数据分析的注重程度远高于编码。程序员提供一组样本，然后计算机从数据中学习各种模式。您可以将机器学习视为“使用数据进行编程”。
解决机器学习问题的步骤
使用机器学习从数据中获取答案的过程包含多个步骤。如需了解分步概述，请查看此指南，其中显示了文本分类的完整工作流程，并描述了相关的重要步骤，例如收集数据集，以及使用 TensorFlow 训练和评估模型。
神经网络剖析
神经网络是一种可以通过训练来识别各种模式的模型。神经网络由多个层组成，包括输入层和输出层，以及至少一个隐藏层。各层中的神经元会学习越来越抽象的数据表示法。例如，在此可视化图表中，我们看到了检测线条、形状和纹理的神经元。这些表示法（或学习的特征）可以用来对数据进行分类。
训练神经网络
神经网络是通过梯度下降法进行训练的。每层的权重都以随机值开始，并且这些权重会随着时间的推移以迭代的方式不断改进，使网络更准确。我们使用损失函数量化网络的不准确程度，并使用一种名为“反向传播算法”的流程确定每个权重应该增加还是降低以减小损失。