machine learning资料总结与心得

最新推荐文章于 2024-03-21 09:40:24 发布
最新推荐文章于 2024-03-21 09:40:24 发布
阅读量438 收藏 3
点赞数
分类专栏： Machine Learning
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/code_caq/article/details/79511256
版权

待更新……

博客、网址：
UFIDL：
http://ufldl.stanford.edu/wiki/index.php/UFLDL教程
七月在线创始人的博客：
http://blog.csdn.net/v_july_v
……

书：
《PRML》
周志华西瓜书
李航《统计学习方法》

机器学习课程视频资料：
斯坦福大学Andrew Ng《机器学习课程》
http://open.163.com/special/opencourse/machinelearning.html
偏数学推导，看了之后醍醐灌顶

网易云课堂Andrew Ng深度学习
http://mooc.study.163.com/smartSpec/detail/1001319001.htm

台湾大学李宏毅
http://speech.ee.ntu.edu.tw/~tlkagk/courses_ML16.html
从本质上分析，看了恍然大悟~主要讲了一些ML基础、Deep Learning、Semi-supervised&unsupervised、Transfer learning迁移学习、Structured Learning、RNN、Reinforcement Learning强化学习基础

李沐《动手学深度学习》
http://zh.gluon.ai/index.html#

用到的工具、框架视频资料：
莫烦PYTHON-Tensorflow教程
https://morvanzhou.github.io/tutorials/machine-learning/tensorflow/
简单易懂~

code_caq
关注
  • 0
    点赞
  • 踩
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
Machine Learning 梳理总结 L0~L6
某Q的博客
10-15 562
9月份比较系统的看了李宏毅教授的Machine Learning课程，这个月开始就没太多看ML,DL的东西。下周有一个deep learning project的due，借着机会重新理一下。 下面按照之前笔记加上自己的理解做个梳理 要是发现我理解错了记得告诉我鸭 Lecture0: 机器学习介绍 Machine Learning = Looking for a function, 对于一些复杂现象...
【Machine Learning】1-7 总结
weixin_38716567的博客
01-17 122
前面7章主要介绍一些比较简单的基础知识，包括线性回归、逻辑回归，迭代过程的梯度下降算法，正则化等等，这些在优化理论的学习中有更详细的介绍。...
吴恩达机器学习（Machine Learning）课程总结笔记---Week 1
CSDN_SUSAN的博客
05-12 1453
吴恩达机器学习（Machine Learning）课程总结笔记---Week 1概述课程大纲课程内容1. 引言什么是机器学习？为什么学习机器学习？机器学习的分类？有监督学习无监督学习强化学习2. 单变量线性回归模型假设损失函数（Cost Function）梯度下降法3. 线性代数基础总结 概述 吴恩达老师在Week 1课程中对机器学习进行了概括性的介绍，包括了机器学习的定义，发展和分类等。同时通过...
Machine Learning结课感想
「谁定义我是我」
01-13 398
开始Andrew Ng男神的机器学习课程的日常。Created with Raphaël 2.1.0打开coursera玩手机开始看Andrew男神？看会儿关关电脑yesno
利用IDL进行SVM回归（保姆级教程）
weixin_44308329的博客
07-01 865
利用IDL进行SVM回归
machine learning 课程笔记及编程作业
10-24
总结来说，这份“machine learning 课程笔记及编程作业”是一份全面的学习资源，不仅提供了理论知识的深度解读，还有实践经验的亲身体验。通过深入研读笔记并动手完成编程作业，你将能够扎实掌握机器学习的基础，为...
Machine-Learning
03-14
【标题】"Machine-Learning"所涵盖的知识范围广泛，包括监督学习、无监督学习、强化学习等多个子领域，它们共同构成了构建智能应用的基础。 描述中的“机器学习”强调了其核心原理，即通过数据驱动模型的训练和优化...
Google-Machine-learning-crash-course
01-24
谷歌机器学习速成课程（招式）+机器学习术语表（口诀）+机器学习规则（心得）+机器学习中的常识性问题 （内功）。该资源适用于机器学习、深度学习以及TensorFlow研究人员参考
matlab说话代码-machineLearning:机器学习
05-22
《机器学习实践》源码和《机器学习-算法原理与编程实践》源码以及学习心得 This is the source code to go with "Machine Learning in Action" by Peter Harrington published by Manning Inc. The official page ...
探索可解释性机器学习：《Interpretable Machine Learning Book》开源项目详解
最新发布
gitblog_00062的博客
03-21 265
探索可解释性机器学习：《Interpretable Machine Learning Book》开源项目详解 项目地址:https://gitcode.com/MingchaoZhu/InterpretableMLBook 在人工智能日益普及的时代，可解释性机器学习成为了研究人员和实践者关注的重要领域。MingchaoZhu的《Interpretable Machine Learning Book...
machine learning code
11-17
预测最新代码，循环神经网络。
UFIDL稀疏自编码代码实现及解释
海贼王
04-26 1970
UFIDL稀疏自编码代码实现及解释 1.今天我们来讲一下UFIDL的第一个练习。 1.我们来看看最难的一个.m文件 %% ---------- YOUR CODE HERE -------------------------------------- % Instructions: Compute the cost/optimization objective J_sparse(W,b)
【机器学习笔记】可解释机器学习-学习笔记 Interpretable Machine Learning (Deep Learning)
VentusDeus的博客
12-13 778
可解释机器学习-笔记和代码
Interpretable Machine Learning线性回归
qq_39676126的博客
02-23 565
Interpretable Machine Learning线性回归 线性回归模型将目标预测为特征输入的加权和。学习关系的线性使解释变得容易。线性回归模型长期以来被统计学家，计算机科学家和其他解决定量问题的人所使用。 线性模型可用于模拟回归目标y对某些特征x的依赖性。学习的关系是线性的，可以为单个实例i编写，如下所示： ϵ是我们仍然犯的错误，即预测和实际结果之间的差异。假设这些误差遵循高斯分布，...
python教学视频下载-Python机器学习入门教程全套视频下载【传智播客】
weixin_37988176的博客
11-01 604
Python机器学习入门教程初级共3天课本套教程是机器学习的入门课程，主要介绍一些经典的传统机器学习算法，如分类算法：KNN算法，朴素贝叶斯算法，逻辑回归，决策树算法以及随机森林;回归算法：线性回归，岭回归;聚类算法：KMeans算法，结合Python语言实现的经典机器学习库Sikit-Learn库，实现一些小型预测案例。提取码：cxxz。课程简介该阶段是机器学习的入门课程，主要介绍一些经典的传统...
浅谈我对机器学习的理解
youyou57的专栏
01-03 1838
算算时间，从开始到现在，做机器学习算法也将近八个月了。虽然还没有达到融会贯通的地步，但至少在熟悉了算法的流程后，我在算法的选择和创造能力上有了不小的提升。实话说，机器学习很难，非常难，要做到完全了解算法的流程、特点、实现方法，并在正确的数据面前选择正确的方法再进行优化得到最优效果，我觉得没有个八年十年的刻苦钻研是不可能的事情。其实整个人工智能范畴都属于科研难题，包括模式识别、机器学习、搜索、规划等
zz[读书笔记]《Interpretable Machine Learning》
chenxuanhanhao的专栏
07-29 1685
[读书笔记]《Interpretable Machine Learning》 Jul 19, 2019 看到这本书，特意翻了下微博妖僧老冯_之前的一条微博，这样写道：“在机器学习里，Explainable 和 Interpretable 是不一样的。Explainable ML指的是构建另一个模型来解释一个黑盒模型，而Interpretable ML指的是模型本身在设计的时候就具备解释自己的功...
Machine Learning学习笔记（十三）随机森林（RandomForest)
Tatiana's SA
09-05 3689
随机森林（RandomForest) 一、知识铺垫 1.1 决策树 决策树是机器学习最基本的模型，在不考虑其他复杂情况下，我们可以用一句话来描述决策树：如果得分大于等于60分，那么你及格了。(if-then语句） 这是一个最最简单的决策树的模型，我们把及格和没及格分别附上标签，及格（1），没及格（0），那么得到的决策树是这样的 但是我们几乎不会让计算机做这么简单的工作，我们把情况变得...
实战机器学习：Machine Learning in Action解析
"Machine Learning in Action" 是一本由 Peter Harrington 编著的书籍，由 Manning 出版社出版。这本书深入浅出地介绍了机器学习的实际应用，旨在帮助读者理解并掌握机器学习的核心概念和技术。 在《Machine ...
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