机器学习速成

已于 2024-02-16 18:24:06 修改
阅读量563 收藏 5
点赞数 8
分类专栏： 机器学习 文章标签： 机器学习 人工智能
于 2024-02-16 18:23:21 首次发布
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/sorrylk_maker/article/details/136131139
版权

一，教程推荐

【(超爽中英!) 2023公认最好的【吴恩达机器学习】教程！附课件代码 Machine Learning Specialization】https://www.bilibili.com/video/BV16C4y197St?vd_source=db98a5294f4e914ff8d9b0cad1ee6bda

--吴恩达永远的神；然后需要点概率论和高数基础等；

二，个人学习接触：

简述马尔可夫链【通俗易懂】 - 知乎

重参数化技巧：高斯分布采样-CSDN博客

参数估计(二).最大似然估计 - 知乎 (zhihu.com)

第8章 决策树与集成学习 - 知乎 (zhihu.com)

开放数据集- 飞桨AI Studio星河社区 - 人工智能学习与实训社区 (baidu.com)

XGBoost的原理、公式推导、Python实现和应用 - 知乎 (zhihu.com)

贝尔曼最优方程(Bellman Optimality Equation)-CSDN博客

三，对每个内容的评论：

Notion – The all-in-one workspace for your notes, tasks, wikis, and databases.

PS：原文在notion，大一暑假闲着慌学得，对于重要的进程都有评论；

天地过客1124
关注
  • 8
    点赞
  • 踩
  • 5
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
google 机器学习速成课程 笔记1
wangqi1113的博客
05-04 247
学习谷歌的机器学习速成课程 标签：标签是我们要预测的事物，也就是y 特征：特征是输入变量，也就是x，按照如下方式指定{x1,x2,x3….,xN}，合适的特征应该是具体可量化的，for example，喜欢不是可观察且可量化的指标，鞋的美观程度也不是，但是鞋码和用户点击鞋子描述的次数是一种具体可量化的指标。 样本：指数据的特定实例，有标签样本和无标签样本 模型：模型定义了特征和标签之间的联系，...
机器学习速成课程----数据准备
love code, love life.
06-29 692
目录 在7天内使用Python进行数据准备。 第1课：数据准备的重要性 第2课：通过插补填充缺失值 第3课：使用RFE选择特征 第4课：使用规范化缩放数据 第5课：使用热编码（One-Hot）转换类别 第6课：使用kBins将数字转换为类别 第7课：使用PCA进行降维在 在7天内使用Python进行数据准备。 数据准备涉及将原始数据转换为更适合建模的形式。 数据准备可能是预测建模项目中最重要的部分，也是最耗时的过程，尽管似乎讨论得最少。 相反，重点是机器学习...
google机器学习速成课程
Jack's blog
03-26 311
特征工程良好特征的特点：避免使用很少使用的离散特征值，良好的特征值应该出现5次以上最好具有清晰明确的含义不要将”神奇“的值域实际数据混为一谈，即不包含超出范围的异常值考虑上游不稳定，即特征的定义不随时间变化数据缩放：[min,max](value-mean)/stddev处理离群值：取对数限制最大值分段或分箱数据清理：遗漏值重复样本不良标签不良特征值奥卡姆剃刀：如无必要，勿增实体，切勿浪费较多东西...
机器学习速成课程
08-09 134
Learn the basics of machine learning and data science in this crash course tutorial for beginners from AI Sciences Academy. This course will give you the foundation you need to start learning more adv...
【机器学习速成课程】学习总结（上）
a_piece_of_ppx的博客
12-30 752
【机器学习速成课程】学习总结（上）
机器学习速成教程
CSDN 人工智能
01-09 3408
原文： 机器学习速成教程 作者： Carlos E. Perez 译者： KK4SBB 欢迎技术投稿、约稿、给文章纠错，请发送邮件至heyc@csdn.net 本文来自加州大学伯克利分校机器学习实验室。作者们用通俗易懂的语言讲解了什么是机器学习、回归与分类的概念、损失函数的类型以及梯度下降方法，希望读者能够理解最基础的机器学习算法，并将其应用于实际项目中。什么是机器学习？机...
[MachineLearning] 机器学习速成笔记 - Bilibili
weixin_48496188的博客
09-28 837
一篇 机器学习 入门笔记 :)
机器学习速成课程 笔记
wws_922的博客
08-28 482
监督式机器学习
机器学习速成笔记（一）： 主要术语
qq_35200479的博客
10-25 154
机器学习研究如何通过计算的方式，利用数据集来改善系统自身的性能。 而深度学习是属于机器学习的一个子分支。 机器学习的通用的两种类型： 无监督学习：事先并没有任务训练数据的样本，需要直接对数据进行建模型。 监督学习：通过已经有的训练样本（即输入信息和对应的输出）来训练，得到一个最优的模型。然后利用这个模型将所有的数据样本映射为相应的输出结果，对输出的结果进行判断。那这个最优模型，也就有对从未...
Google机器学习速成课程.pdf
08-17
"Google机器学习速成课程.pdf" 本资源是一份Google提供的机器学习速成课程，主要内容包括机器学习概念、机器学习简介、学习目标、机器学习技术背后的理念、机器学习与普通编程对比、机器学习的解决方案等。课程还...
谷歌机器学习速成课程中文视频
06-25
谷歌官方发布的机器学习速成课程中文视频（太大了分4部分上传） 1.机器学习简介.mp4 2.问题构建.mp4 3.深入了解机器学习.mp4 4.降低损失.mp4 5.使用 TensorFlow 的基本步骤.mp4 6.泛化.mp4 7.训练集和测试集.mp4 8....
谷歌机器学习速成课程中文视频（第三部分）
06-25
谷歌机器学习速成课程中文视频（第三部分） 17.多类别神经网络.mp4 18.嵌入.mp4
机器学习速成课笔记
07-25
机器学习速成课笔记，整理机器学习速成课笔记机器学习速成课笔记
谷歌机器学习速成课程中文视频（第二部分）
06-25
谷歌机器学习速成课程中文视频（第二部分） 11.简化正则化.mp4 12.逻辑回归.mp4 13.评估分类模型.mp4 14.稀疏性正则化.mp4 15.神经网络简介.mp4
Netflix 机器学习科学家的提示词优化经验分享
Baihai_IDP的博客
06-15 974
由于这个原因，提示词工程（通过大量的实证试验和反复优化，指导如何为特定任务设计高质量的prompt）变得极其受欢迎和具有影响力，行业目前已经积累了诸多有效的技术手段和优秀的实践方法。本文Netflix 机器学习科学家Cameron R. Wolfe的提示词优化经验分享，阐述了目前提示词的主要构成要素，介绍了与提示词相关的上下文窗口相关信息，并总结了一些行之有效的优化策略，如实事求是，实证为本、先从简单着手、若无必要，尽量简单明了、使用示例等，这些策略应能为在实践中优化提示词提供参考思路。
深度学习之条件生成对抗网络（Conditional GANs, cGANs）
JustinMars的博客
06-14 262
在传统的GANs中，生成器从潜在空间中学习到一个映射，直接生成接近真实数据分布的样本。而在cGANs中，生成器和判别器除了输入潜在变量（通常是一个随机向量），还接收额外的条件信息。这些条件信息可以是类别标签、文本描述或其他形式的属性，用于指导生成器生成具有特定属性的数据。
“探索机器学习的多面世界：从理论到应用与未来展望“
窗外风景随心变幻
06-14 2406
监督学习是机器学习的重要类型。它基于有标记的训练数据进行学习。主要任务包括分类和回归。分类用于预测离散的类别标签，比如判断邮件是否为垃圾邮件。回归则用于预测连续的值，例如房价预测。常见算法有线性回归、逻辑回归、决策树等。以线性回归为例，其目标是找到一条直线来拟合数据。
【机器学习300问】119、什么是语言模型？
最新发布
qq_39780701的博客
06-17 436
什么是语言模型？语言模型是自然语言处理（NLP）的重要组成部分，它的目标是量化一段文本或一个序列的概率。
机器学习算法机器学习
05-18
机器学习（Machine Learning）是人工智能（Artificial Intelligence）的一个分支，它是通过算法和统计模型来使计算机自主进行学习的过程。机器学习算法可分为以下三种： 1. 监督学习：在给定数据集中，输入和输出...

“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

打赏作者

天地过客1124

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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