本课程涵盖了机器学习和数据挖掘的一系列选定主题,重点是部署真实系统的好方法和实践。大部分章节是关于常用的监督学习技术,和较小程度上非监督方法。这包括线性回归和逻辑回归的基本算法、决策树、支持向量机、聚类、神经网络,以及特征选择和降维、误差估计和经验验证的关键技术。
https://www.siamak.page/teachings/comp551f20/comp551f20/
Part 1.机器学习简史 a short tour of ML
Part 2. 线性模型、概率解释与梯度优化,linear models, their probabilistic interpretation and gradient optimization
Part 3. 神经网络与深度学习,Neural networks and deep learning
![]()
![]()
![]()
![]()
![]()
![]()
![]()
![]()
![]()
![]()
![]()
![]()
![]()
![]()
![]()
![]()
![]()
![]()
![]()
![]()
![]()
![]()
![]()
![]()
![]()
![]()
![]()
专知便捷查看
便捷下载,请关注专知公众号(点击上方蓝色专知关注)
![]()
专知,专业可信的人工智能知识分发,让认知协作更快更好!欢迎注册登录专知www.zhuanzhi.ai,获取5000+AI主题干货知识资料!
欢迎微信扫一扫加入专知人工智能知识星球群,获取最新AI专业干货知识教程资料和与专家交流咨询!
点击“
阅读原文
”,了解使用
专知
,查看获取5000+AI主题知识资源