总结
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
参考:https://blog.csdn.net/weixin_42365443/article/details/119057599
推荐:https://blog.csdn.net/qq_44574333/article/details/109080655