Author:kevinelstri
DateTime:2017/3/14
本课程提供了一个广泛的介绍机器学习、数据挖掘、统计模式识别的课程,主题包括:
- 1、监督学习(参数/非参数算法,支持向量机,核函数,神经网络)。
- 2、无监督学习(聚类,降维,推荐系统,深入学习推荐)。
- 3、在机器学习的最佳实践(偏差/方差理论;在机器学习和人工智能创新过程)。
本课程还将使用大量的案例研究,您还将学习如何运用学习算法构建智能机器人(感知,控制),文本的理解( Web 搜索,反垃圾邮件),计算机视觉,医疗信息,音频,数据挖掘,和其他领域。
- 1.Introduction
- 2.Linear Regression with One Variable
- 3.Linear Algebra Review
- 4.Linear Regression with Multiple Variables
- 5.Octave Tutorial
- 6.Logistic Regression
- 7.Regularization
- 8.Neural Networks
- 9.Neural Networks:Learning
- 10.Advice for Applying Machine Learning
- 11.Machine Learning System Design
- 12.Support Vector Machine
- 13.Clustering
- 14.Dimensionality Reduction
- 15.Anomaly Detection
- 16.Recommender Systems
- 17.Large Scale Machine Learning
- 18.Application Example:Photo OCR
- 19.Conclusion
持续更新。。。
欢迎关注微信公众号:数据分析科学
墨竹专栏,为CSDN博客而生,您有任何问题,欢迎进行探讨!