"应用机器学习"视频教程,哥伦比亚大学 2020版

向大家推荐来自哥伦比亚大学的“应用机器学习”(Applied Machine Learning 2020)课程,相比斯坦福的 CS229 更加注重代码实践,使用流行的 Python 库 scikit-learn 和 Keras 。

其不仅涵盖了基础的机器学习概念和算法,还包含AutoML等学术前沿,并结合算法介绍了机器学习技术在CV、NLP、推荐系统领域的应用。

下载所有课程讲义和代码,请在我爱计算机视觉公众号后台回复:W4995

全部视频已搬运到B站(我爱计算机视觉)

原视频链接:

https://www.youtube.com/watch?v=d79mzijMAw0&list=PL_pVmAaAnxIRnSw6wiCpSvshFyCREZmlM

B站地址:

https://www.bilibili.com/video/BV1KC4y187ET/

点击阅读原文直达。

课程主页:

https://www.cs.columbia.edu/~amueller/comsw4995s20/schedule/

课程大纲:

01-introduction

02-matplotlib

03-supervised-learning

04-preprocessing

05-linear-models-regression

06-linear-models-classification

07-trees-forests

08-gradient-boosting-calibration

10-model-evaluation

11-resampling-imbalanced-data

12-interpretation-feature-selection

13-parameter-tuning-automl

14-dimensionality-reduction

15-clustering-and-mixture-models

16-nmf-outlier-detection

17-text-data

18-topic-models

19-word-embeddings

20-neural-networks

21-convolutional-nets

22-advanced-nets

23-time-series

24-recap

25-recommender-systems

END

备注:CV

计算机视觉交流群

扫码备注拉你入群。

我爱计算机视觉

微信号:aicvml

QQ群:805388940

微博知乎:@我爱计算机视觉

投稿:amos@52cv.net

网站:www.52cv.net

在看,让更多人看到  

├─1.计算机视觉简介、环境准备(python, ipython) │ computer vsion.pdf │ CS231 introduction.pdf │ ├─2.图像分类问题简介、kNN分类器、线性分类器、模型选择 │ 2. 图像分类简介、kNN与线性分类器、模型选择.mp4 │ 2.初识图像分类.pdf │ ├─3.再谈线性分类器 │ 3.再谈线性分类器.mp4 │ 再谈线性分类器.pdf │ ├─4.反向传播算法和神经网络简介 │ .反向传播算法和神经网络简介.pdf │ 4. 反向传播算法和神经网络简介.mp4 │ ├─5.神经网络训练1 │ 5.-神经网络训练1.pdf │ 5.神经网络训练1.mp4 │ ├─6.神经网络训练2、卷积神经网络简介 │ 6.神经网络训练2.mp4 │ 神经网络训练2.pdf │ ├─7.卷积神经网络 │ 7.卷积神经网络.mp4 │ Lession7.pdf │ ├─8.图像OCR技术的回顾、进展及应用前景 │ 8.图像OCR技术的回顾、进展及应用前景.mp4 │ PhotoOCR_xbai.pdf │ └─9.物体定位检测 物体定位检测.pdf │ ├─10.卷积神经网络可视化 │ .卷积神经网络可视化.pdf │ 10.卷积神经网络可视化.mp4 │ ├─11.循环神经网络及其应用 │ 11.循环神经网络及其应用.mp4 │ 循环神经网络.pdf │ ├─12.卷积神经网络实战 │ 12.卷积神经网络训练实战.mp4 │ 卷积神经网络实战.pdf │ ├─13.常见深度学习框架介绍 │ 常见深度学习框架介绍.pdf │ ├─14.图像切割 │ 14.图像切割.mp4
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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