机器学习 Machine Learning Park -- 专栏介绍

最新推荐文章于 2023-11-17 17:18:06 发布
最新推荐文章于 2023-11-17 17:18:06 发布
阅读量1.1k 收藏
点赞数 1
分类专栏： Machine Learning Park 文章标签： ML
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Garyboyboy/article/details/121409230
版权

机器学习 Mechine Learning

Gary 哥哥

2021/11/15

数据科学的四类角色：

  • 领域专家（Domain experts）：知晓机器学习的项目应该部署在那个领域当值，类似于产品经理。
  • 数据科学家：类似一个全栈工程师。
  • ML专家：制作和优化模型。
  • 软件开发工程师（SDE）：产品的落地，需要维护很多其他管理资源的代码。（运维等）

借用斯坦福实用机器学习课程的PPT来看一下这四类角色的成长：

介绍

本专栏主要分三大版块（Three Parts），主要用于分享与总结机器学习相关

  • 机器学习基础
  • 深度学习实践
  • 工业应用
  • 每个核心知识点都包含知识讲解和代码实现。
  • 本专栏主要目的用于个人学习，亦不可以篇概全，请谅解，有问题可提出。
  • 主要代码实现使用python，将同步到对应github仓库：Machine-Learning-Park，代码尽量做到注释详细，有误请联系我并指出。
  • 由于公式块编辑器的缘故，github在线预览的markdown说明文档公式显示会出现错乱，可以关注我CSDN个人博客Machine Learning Park专栏来查看对应的内容，或者下载对应文档，建议使用Typora打开。

版块内容简介

Part1: 机器学习基础

💭 主要概述：

  • 介绍机器学习常用算法与模型
  • python代码实现

Part2: 深度学习实践

🛎 说明:

🛠代码实现框架：

具体进度见github仓库

  • Pytorch 👨‍🔧
  • Tensorflow 👨‍🔧
  • Others… 👨‍🔧

Part3: 工业应用

📓本版块主要内容：

  • 实用机器学习技巧
  • 数据科学相关的比赛

📽 项目进展

🚀请关注github仓库

联系我：

邮箱：✉️1620216938@qq.com

博客：📝https://blog.csdn.net/Garyboyboy?spm=3001.5343

爱笑的Gary哥
关注
  • 1
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
【NLP】第16章 使用RNN 和注意力的自然语言处理
sikh_0529的博客
09-22 1万+
什么时候Alan Turing 在 1950 年设想了他著名的，他的目标是评估机器匹配人类智能的能力。他本可以测试很多东西，比如识别图片中的猫、下棋、作曲或逃离迷宫的能力，但有趣的是，他选择了语言任务。更具体地说，他设计了一个聊天机器人，能够愚弄其对话者认为它是人类。这个测试确实有它的弱点：一组硬编码的规则可以欺骗毫无戒心或天真的人（例如，机器可以给出模糊的预定义答案以响应某些关键字；它可以假装它是在开玩笑或喝醉，以通过它最奇怪的答案；
知识图谱de构建与应用（六）：知识图谱的存储、服务与质量
u013250861的博客
07-16 530
本章首先介绍知识图谱存储的数据模型、底层数据库的选型及其区别，然后结合搜索、推荐、业务智能、智能对话等应用介绍知识图谱的服务形式，最后介绍知识图谱的算法和数据质量保障方法。知识图谱的底层数据抽象模型从分类上来讲，可以认为是图（Graph），由点、边等元素构成；但是在具体的实现细节上又有一些差异。本小节主要介绍知识图谱的底层数据模型，主要包括RDF数据模型和属性图模型，并进行对比分析。1.RDF数据模型资源描述框架（RDF）是W3C标准化组织制定并推广的且主要在语义网领域使用的一项标准化的数据模型。RDF是一
Machine Learning 简介与学习路线
是阿福呀
10-14 7052
Machine Learning 简介与学习路线数据挖掘： 机器学习（Machine Learning）有众多的应用领域，目前比较活跃的主要是数据挖掘（data mining），计算机视觉（computer vision, CV），自然语言处理（natural language processing, NLP），机器人决策这四大领域。 数据挖掘： 通俗的说是从大量已获取的案例中寻找出数据的关系...
Mechine Learning ——DecisionTree
weixin_45569078的博客
11-16 122
决策树是通过对特征的分类，做到树状图般的分析。 在说起决策树之前，首先要了解一下信息熵和条件熵以及信息增益。 这个没学过相关知识的同学应该会很被动 信息熵，条件熵和信息增益 给你们 一个链接自己去看看吧 我没讲不代表不重要，它是整个代码的核心 接下来步入代码正题 def calcShannonEnt(dataSet): numEntries = len(dataSet) label...
Mechine Learning--一些基本概念
unlimited_aki的博客
10-14 433
监督学习与无监督学习监督学习：监督学习在给定一定的训练数据之后，我们知道其最终的输出是什么样子的。其训练数据有着指定的标签或者有着指定的正解值。分类问题 * 回归问题无监督学习：在无监督学习中，可以通过聚类的方式从数据中提取一个特殊的结构聚类问题
机器学习基础(Machine Learning,ML)
Jamn Sun的博客
04-02 2425
机器学习初感悟。
小白的机器学习（Mechine Learning）笔记
summer_bugs的博客
04-20 568
小白的机器学习（Mechine Learning）笔记 文章目录小白的机器学习（Mechine Learning）笔记一.数据的处理相关库的使用1.均值移除（标准化）2.范围缩放3.归一化4.二值化5.独热编码6.标签编码二.模型1.线性回归2.多项式回归3.岭回归与Lasso回归Lasso回归岭回归4.决策树工程优化集合算法正向激励特征重要性自助聚合随机森林5.分类模型逻辑分类朴素贝叶斯分类6....
第861期机器学习日报(2017-01-26)
ai100_ml的博客
01-27 382
机器学习日报 2017-01-26 谷歌机器学习白皮书全解析 43条黄金法则 @Google谷歌爱好者机器学习视频资源汇总 @爱可可-爱生活PyTorch练习集 @爱可可-爱生活PCA、特征值、特征向量的直观解释 @爱可可-爱生活课程推荐：机器学习基础训练营 @爱可可-爱生活 @好东西传送门 出品,由@AI100运营， 过往目录 见http://ml.memect.com
学习笔记|NLP中的注意力机制汇总
我只要燃烧不在乎陨落
06-15 1828
说在前面的话： 前段时间因为组会要对注意力机制做一个报告，我在收集资料的时候发现，网上很多所谓的attention总结无非最后都陷入了对transformer模型和自注意力机制的解释中，其实这并没有对所有的注意力机制类型进行一个详细的总结，这对一个初学者来说很容易陷入一个思维定势中。因此我决定深入剖析各个经典文章中所使用的Attention机制，并对他们进行一个分类总结。可以说这篇文章内容是全网最全的，应该找不到比这个更全的总结了，除了参考一些综述和网上资料，我还根据自己的理解整合并加入了一些新的内容。.
【无标题】
热门推荐
myy2293640091的博客
12-19 2万+
2019-2020 大学英语III 仔细阅读 试题解析： 本文主要谈论美国的经济危机给美国家庭带来的影响。由于经济危机而导致的人们失去工作、收入降低、房价下降等原因会使本来不幸福的夫妻无法承担离婚的成本，从这点上看，经济危机会从某种角度降低离婚率。不过，本来关系不好的夫妻也不会维持很长时间。尤其在经济复苏后，大部分关系不好的夫妻还会选择离婚。 In times of economic crisis, Americans turn to their families for support. If the
【Mechine Learning】斯坦福公开课学习笔记1
Hanxy_Robin
09-22 345
很早开始接触机器学习的概念，在一些比赛中调用过OpenCV的级联分类器函数做图像识别，但是一直以来都没有去了解其基本算法，因此在Coursera里参加斯坦福大学Professor Andrew Ng的公开课。有兴趣的同学可以一起参与讨论，在这里分享一些作业习题代码和心得。习题代码plotDatamfigure; % open a new figure window plot(x,y,'rx'); x
MachineLearning：一、什么是机器学习
王谦的专栏
08-29 1万+
什么是机器学习......
machine learning _基本分类
Matthew__M的博客
01-25 506
训练神经网络模型需要执行以下步骤： 将训练数据馈送到模型中，在本示例中为 train_images 和 train_labels 数组。 模型学习将图像与标签相关联。 我们要求模型对测试集进行预测，在本示例中为 test_images 数组。我们会验证预测结果是否与 test_labels 数组中的标签一致。 要开始训练，请调用 model.fit 方法，使模型与训练数据“拟合”： 拟合（...
Machine Learning 基础概念
nl的博客
11-23 665
机器学习：Machine Learning，根据经验数据，通过算法获取模型的过程； 数据集：Data Set，作为机器学习的输入，是已有的经验数据的集合； 示例：instance，或称为样本sample，单个经验数据； 属性：attribute，也可称为特征feature，其张成的空间称为属性空间attribute space、特征空间feature space，或称为输入空间input sp
Machine Learning（机器学习）第一篇
最新发布
2301_76357774的博客
11-17 427
我们预测西瓜是否是好瓜的过程中，很明显对于训练集中的西瓜，我们事先已经知道了该瓜是否是好瓜，学习器通过学习这些好瓜或差瓜的特征，从而总结出规律，即训练集中的西瓜我们都做了标记，称为标记信息。特殊地当划分的k个子集的每个子集中只有一个样本时，称为“留一法”，显然，留一法的评估结果比较准确，但对计算机的消耗也是巨大的。机器学习正是这样的一门学科，人的“经验”对应计算机中的“数据”，让计算机来学习这些经验数据，生成一个算法模型，在面对新的情况中，计算机便能作出有效的判断，这便是机器学习。
【Machine Learning 系列】一文详解有监督学习(Supervised Learning)
陈橘又青的博客
07-27 1万+
监督学习是一种重要的机器学习方法，它通过学习输入变量和输出变量之间的关系，来构建一个预测模型。通过对已知的训练数据进行学习，可以对未知的数据进行准确的预测和分类。
机器学习（Machine Learning）
YYYMarshal的博客
07-09 1万+
Machine Learning, ML 机器学习
一份中外结合的 Machine Learning 自学计划
孙启超
03-21 1万+
看了Siraj Raval的3个月学习机器学习计划的视频，感觉非常好，地址：https://www.youtube.com/watch?v=Cr6VqTRO1v0结合一些我们学习中的经验得出一份Hybrid的机器学习自学计划。根据Siraj的建议：机器学习的涉及的知识比例分布的 35%线性代数25%概率论和统计学15%微积分15%算法及其复杂性10%是数据预处理知识强烈建议订阅：Siraj Rav...
什么是机器学习（Machine Learning）? |李宏毅机器学习【1】
python令狐冲
08-25 1万+
机器学习(Machine Learning)是人工智能时代的核心技术，深度学习(Deep leaning)是机器学习中一类重要的方法。机器学习的应用非常广泛，相机美颜、个性推荐，人脸解锁、垃圾邮件过滤、阿法狗......很多智能化的应用场景背后，都离不开机器学习算法的支撑。  机器学习的概念 那么机器学习到底是什么东东呢？是造一个机器人来学习吗，非也。按照李宏毅老师的说法，机器学习相当于...
机器学习实战：Scikit-Learn, Keras, TensorFlow 2nd Edition 概览
在机器学习领域，这本书首先介绍了什么是机器学习（Machine Learning），它是一种让计算机通过数据学习并改进的方法，而不是硬编码规则。机器学习的主要应用在于它能解决复杂问题，例如模式识别、预测分析等。 接着...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值