总结:
进一步学习机器学习基础,希望以后有机会多多实践,为以后进入这个领域做准备。
学习内容:
01-机器学习介绍
介绍机器学习的概念,监督学习,无监督学习,迁移学习,强化学习等概念
02-回归
介绍回归的概念,应用,线性回归,利用损失函数进行模型评估,使用梯度下降法拟合模型
03-误差和梯度下降
介绍偏差与方差,欠拟合与过拟合,交叉验证方法,梯度下降优化(学习率调节,随机梯度下降法,特征缩放等)
04-深度学习反向传播机制
介绍神经网络的构建,模型的评估,优化函数选择,梯度下降反向传播机制
05-网络设计技巧
介绍局部最小值与鞍点、批次与动量、自动调整学习率等
06-卷积神经网络
介绍CNN的特点,作用,与全连接的关系,卷积、池化的操作,CNN应用的场景
1. 初识机器学习
机器学习是让机器有自己学习的能力,是通过人类编写程序去实现这种能力的。
机器学习的技术多种多样,主要分为监督学习(分类、回归)、半监督学习、迁移学习、无监督学习和强化学习。