请点击上面公众号,免费订阅。
《实例》阐述算法,通俗易懂,助您对算法的理解达到一个新高度。包含但不限于:经典算法,机器学习,深度学习,LeetCode 题解,Kaggle 实战。期待您的到来!
01
—
您能学到什么
交流思想,分享知识,共同进步,找到一个迈入机器学习大门的系统学习思路,并在这条道路上不断攀登,成为人工智能领域的顶尖人才,这是小编创办本公众号的初衷。
本公众号会系统地推送算法及机器学习相关的全栈内容,包括但不限于:经典算法,LeetCode题目分析,机器学习数据预处理,算法原理,例子解析,部分重要算法的不掉包源码实现,并且带有实战分析,包括使用 开源库和框架:Python, Numpy,Pandas,Matplotlib,Sklearn,Tensorflow等工具辅助我们解决问题,最后如何评价我们的模型,这一套完整的思路。
下面梳理下已经推送的消息,帮助大家更好地使用本公众号,限于小编的知识水平,难免对某些算法的理解有偏差,希望各位小伙伴不吝赐教,谢谢大家的包容!
02
—
算法思想
重温那些经典的计算机算法思想,为之后构建知识大厦打下坚实的基础。目前已经推送的:
2.1 常用排序算法实例分析
2.2 深度搜索
2.3 动态规划
03
—
机器学习储备
机器学习是一门交叉学科,通常要具备高等数学,计算理论,线性代数,概率论与数理统计,Python语言,以及常用的开源库(三大库:numpy,pandas,matplotlib),sklean库,tensorflow深度学习框架等,下面列出已经推送的相关文章:
机器学习储备(1):概率,期望,方差,标准差,协方差和相关系数
机器学习储备(8):numpy之linspace 和 logspace
机器学习储备(10):numpy之RandomState() 和 axis
04
—
数据预处理算法
05
—
回归算法
机器学习之线性回归:OLS 无偏估计及相关性python分析
06
—
分类算法
6.1 有监督类(分类)
6.1.1 逻辑回归
6.1.2 决策树
6.1.3 贝叶斯分类
6.2 无监督类(聚类)
6.2.1 高斯混合
6.3 python代码算法实战
正在扩展......,将推送的消息定期汇总到这篇文章中,欢迎您的阅读和指正。
请记住:每天一小步,日积月累一大步!
《实例》阐述算法,通俗易懂,助您对算法的理解达到一个新高度。包含但不限于:经典算法,机器学习,深度学习,LeetCode 题解,Kaggle 实战。期待您的到来!