机器学习--学习资源汇总

最新推荐文章于 2024-02-27 11:30:40 发布
最新推荐文章于 2024-02-27 11:30:40 发布
阅读量516 收藏
点赞数
分类专栏： 机器学习 文章标签： 机器学习
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/a7910932/article/details/27379821
版权

1.公开课--Andrew ML公开课

https://class.coursera.org/ml-005

除了介绍基础机器学习算法的原理外，还介绍了改进机器学习效果的小技巧。

 

2.《集体智慧编程》

经典的机器学习实践书，使用Python实现了许多经典的机器学习算法，结合现实数据向我们介绍了各算法。

 

3.《机器学习实战》

同《集体智慧编程》

 

奕涛
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
机器学习-学习资源汇总 超详细！
04-10
汇总了关于机器学习领域的详细学习资源，包含c++，python, 机器学习算法，计算机专业课等内容，适用于不同水平层次的机器学习爱好者使用。
深度学习 机器学习 数据集资源汇总
GAN、Transformer、Vue、Django知识学习&&分享者 ZhuBa的博客 zhuba-Ahhh.github.io
04-25 6万+
目前个人认为较好的数据集网站主要有： 数据集网站 1.AI Studio数据集： 开放数据集-百度AI Studio - 人工智能学习与实训社区 2.天池数据集：数据集-阿里系唯一对外开放数据分享平台 3.Papers With Code数据集：Machine Learning Datasets | Papers With Code 4.Kaggle 数据集：Find Open Datasets and Machine Learning Projects | Kaggle 5.Graviti O
中文版-可解释的机器学习-黑盒模型可解释性理解指南
lqfarmer的博客
10-10 281
本书向你介绍了如何使 (监督) 机器学习模型可解释。虽然本书中包含⼀些数学公式，但是即使没有公式，你也需要能够理解这些⽅法背后的思想。本书不适合机器学习初学者。如果你不熟悉机器学习，则有很多书籍和其他资源可以学习基础知识。关于机器学习的⼊门学习，我推荐在线学习平台 coursera.com 上的 Hastie， Tibshirani 和 Friedman[1] 所著的《The Elements of StatisticalLearning》⼀书和 Andrew Ng 的 “机器学习” 在线课程。...
机器学习-02-机器学习算法分类以及在各行各业的应用
最新发布
IT从业者的成长历程
02-27 1754
本系列是机器学习课程的第02篇，主要介绍机器学习算法分类以及在各行各业的应用。
李宏毅2020机器学习资料汇总
热门推荐
⚡
04-08 8万+
前言 可能受到新冠病毒的影响，台大也开始了网课教学。李宏毅上传了2020版本的机器学习视频，可以说是非常好的学习资料（尽管其中多数都是2017、2019的视频，但有部分更新）。 和吴恩达的CS229机器学习相比，中文版本的机器学习显得亲民了许多，李宏毅的机器学习是英文的ppt+中文讲解，非常有利于大家入门。吴恩达的CS229中偏向于传统机器学习……
机器学习精髓-机器学习百页书
lqfarmer的博客
11-06 245
《The Hundred-Page Machine Learning Book》（中文名：《机器学习百页书》）一本精简的机器学习入门手册，本书囊括机器学习的精髓，系统而精炼地讲解机器学习的基本原理，包含大量自 20 世纪 60 年代以来具有重要实用价值的机器学习材料。它既适用于初学者，也适用于有经验的从业者。 bshq：机器学习精髓-机器学习百页书-最新版下载 本书具有以下特色： 篇幅短小　读者以快速读完并掌握机器学习技术的精髓，书中内容是作者和其他从业者多...
机器学习之PyTorch和Scikit-Learn第一章 赋予计算机学习数据的能力
AlanHou的博客
03-31 843
前面我们讨论了机器学习的三大分类：监督学习、无监督学习和强化学习，下面来学习本书中会用到一些基本术语。下面的一小节中包含用于表示数据集各方面的常用术语，以及可实现更精准高效沟通的数学符号。机器学习是一个非常大的领域并且还跨多学科，迟早一定会遇到表示相同概念的不同术语。第二个小节中收集了在机器学习文献中最常用的术语，在阅读机器学习刊物时会当成手册查阅。
机器学习 网站大全--陆续更新中
lizz2276的博客
12-14 2766
1、neuralnetworksanddeeplearning.com 2、deeplearningbook.org 3、ufldl.Stanford.edu/tutorial/ 4、Coursera.org/learn/machine-learning/resources/NrY2G 5、Machine Learning Crash Course | Google Developers 6、Analytics Vidhya - Learn Machine learning, artific...
高级分布式系统-第15讲 分布式机器学习--分布式机器学习算法
weixin_50917576的博客
01-15 1051
按照通信步调，大致可以分为同步算法和异步算法两大类。 同步算法下，通信过程中有一个显式的全局同步状态，称之为同步屏障。当工作节点运行到同步屏障 ，就会进入等待状态，直到其工作节点均运行到同步屏障为止。接下来不同工作节点的信息被聚合并分发回来，然后各个工作节点据此开展下一轮的模型训练。 异步算法下，各个工作节点不再需要等待，而是以一个或多个全局服务器为作为中介，实现对全局模型的更新和读取。这样可以显著减少通信时间，从而获得更好的多机扩展性。
命名实体识别（基于规则-无监督学习-机器学习-深度学习）
weiyaner的博客
11-12 1万+
文章目录1 简介2 NER标注语料库3 NER工具库4 序列标注标签方案5 四类NER方法（规则-无监督学习-机器学习-深度学习）5.1 基于规则的NER5.2 基于无监督学习方法5.2 基于机器学习（含特征的有监督学习）基于深度学习方法**1、输入层****2、编码层**3、解码层6 其他实体识别任务中的常见问题及对策各类研究方向的NER方法NER任务的挑战与机遇Reference 1 简介   命名实体识别（Named Entity Recongnition，NER）是自然语言处理中的一个基础任务，也是
Python-有关于机器学习调查教程和书籍的资源汇总
08-10
有关于机器学习调查，教程和书籍的资源汇总
深度学习、机器学习数据集资源汇总
08-22
深度学习、机器学习数据集资源汇总
机器学习理论到实践-聚类模型汇总-理论解析
08-03
1、层次聚类 2、原型聚类-K-means 3、模型聚类-GMM 4、EM算法-LDA主题模型 5、密度聚类-DBSCAN 6、图聚类-谱聚类
深度学习 机器学习 数据集资源汇总.pdf
05-23
深度学习 机器学习 数据集资源汇总.pdf 深度学习 机器学习 数据集资源汇总.pdf 深度学习 机器学习 数据集资源汇总.pdf 深度学习 机器学习 数据集资源汇总.pdf 深度学习 机器学习 数据集资源汇总.pdf 深度学习 机器...
如何判断一个函数是否是凸的
a7910932的专栏
03-01 1万+
设f是定义域为实数的函数，如果对于所有的实数x，，那么f是凸函数。当x是向量时，如果其hessian矩阵H是半正定的（），那么f是凸函数。如果或者，那么称f是严格凸函数。
Variational Inference
a7910932的专栏
06-22 1418
关于变分推断(Variational Inference)的介绍。
机器学习--学习笔记（三）--神经网络
a7910932的专栏
05-30 928
1.神经网络模型        神经网络由一个输入层、输出层以及一个或多个隐藏层组成，模型图如下所示。                                                         图1 其中，Layer1为输入层，Layer2为隐藏层，Layer3为输出层。   2.预测：前向传播算法        如果把输入层设为第1层，则第1层隐藏层为第
机器学习--邮件过滤
a7910932的专栏
05-28 879
这篇文章将以Spam classifier为主题展开   1.      怎么获得一个更好的垃圾邮箱分类器？   1.1   使用更多训练数据。   1.2   从邮件头获得更精细的特征。   1.3   从邮件体获得更精细的特征。   1.4   使用更高级的算法检测拼写错误。
机器学习算法python实现
09-14
此外，还有一篇文章汇总了机器学习十大算法的基本概念，并在文中提供了Python实现的详细代码和运行结果。您可以通过访问该文章的链接来查看具体实现。 另外，您还可以在GitHub上找到其他一些机器学习基础的Python...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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