机器学习是一个令人兴奋的话题,关于设计可以从数据中学习的机器。本课程涵盖了机器学习的必要理论、原理和算法。这些方法是基于统计学和概率论的——它们现在已经成为设计显示人工智能的系统的必要条件。

https://cedar.buffalo.edu/~srihari/CSE574/

成为VIP会员查看完整内容
24

相关内容

“机器学习是近20多年兴起的一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。机器学习理论主要是设计和分析一些让 可以自动“ 学习”的算法。机器学习算法是一类从数据中自动分析获得规律,并利用规律对未知数据进行预测的算法。因为学习算法中涉及了大量的统计学理论,机器学习与统计推断学联系尤为密切,也被称为统计学习理论。算法设计方面,机器学习理论关注可以实现的,行之有效的学习算法。很多 推论问题属于 无程序可循难度,所以部分的机器学习研究是开发容易处理的近似算法。” ——中文维基百科

知识荟萃

精品入门和进阶教程、论文和代码整理等

更多

查看相关VIP内容、论文、资讯等
专知会员服务
72+阅读 · 2021年6月12日
专知会员服务
43+阅读 · 2020年11月27日
佐治亚理工2020《数据库系统实现》课程,不可错过!
专知会员服务
23+阅读 · 2020年10月14日
专知会员服务
53+阅读 · 2020年10月11日
【纽约大学】最新《离散数学》笔记,451页pdf
专知会员服务
123+阅读 · 2020年5月26日
七本书籍带你打下机器学习和数据科学的数学基础
多伦多大学“神经网络与机器学习导论(2018年春季)
人工智能头条
14+阅读 · 2018年4月3日
资源 | CMU统计机器学习2017春季课程:研究生水平
机器之心
13+阅读 · 2017年10月30日
IDRLnet: A Physics-Informed Neural Network Library
Arxiv
0+阅读 · 2021年7月9日
Arxiv
0+阅读 · 2021年7月7日
Asymmetrical Vertical Federated Learning
Arxiv
3+阅读 · 2020年6月11日
VIP会员
微信扫码咨询专知VIP会员