机器学习
2.支持向量机(support vector machines, SVM)
实战
来源于:Aurelien Geron 的《机器学习实战 基于Scikit-Learn、Keras和TensorFlow(第2版)》
1.幸福感和金钱的关系--利用线性回归模型、k-近邻回归模型分析
2.分类器 --- 手写数字识别(二元、多类)、多标签分类、多输出分类(图片清洗)
3.房价预测模型(监督学习、回归) --- 了解一个机器学习项目的整个流程
4.训练线性回归模型 --- “闭式”解方法、梯度下降(GD)
吴恩达深度学习课程
6.指数加权平均、动量梯度下降法、RMSprop、Adam优化算法
7.学习率衰减、局部最优、Batch归一化、Softmax回归
8.单一数字评估指标、迁移学习、多任务学习、端到端的深度学习
9.边缘检测、Padding、stride、三维卷积、多个过滤器
12.特征点检测、目标检测、交并比、非最大值抑制、锚框、YOLO算法、候选区域
13.one-shot learning、Siamese网络、Triplet loss、面部验证和二分类
14.神经风格转换(neural style transfer)