会员服务
机器学习 · 书籍 ·
2022 年 3 月 2 日
《机器学习》简明导论，21页pdf
专知会员服务
专知会员服务
专知，提供专业可信的知识分发服务，让认知协作更快更好！

本章涵盖：

  • 阐述数据科学家为什么要使用机器学习
  • 介绍机器学习中最重要的Python库
  • 讨论模型构建的过程
  • 机器学习技术的使用
  • 亲身体脸机器学习

你知道计算机是如何通过学习,进而保护你免受恶意攻击的吗？计算机能过滤掉60%以上的电干邮件,并随着时间的推移,通过不断的自我学习来更好地保护你你能让计算机精确地识别图片中的人物吗？通过对所有的可能性进行编码去识别一个人也许是可行的.但却是不切实际的,你很快会发现这种可能性几乎是无止境的如果要做到这一点，你需要在工具箱中增加一项新的技能一机器学习,这就是本章的主题

成为VIP会员查看完整内容
《机器学习》简明导论，21页pdf
71

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
【开放电子书】概率编程导论，301页pdf
【开放电子书】概率编程导论，301页pdf
专知会员服务
47+阅读 · 2021年10月21日
【干货书】贝叶斯推理和机器学习，610页pdf
专知会员服务
252+阅读 · 2021年10月8日
【经典书】概率与统计导论，641页pdf
专知会员服务
117+阅读 · 2021年10月6日
机器学习简明导论，62页pdf
专知会员服务
80+阅读 · 2021年7月31日
【干货书】Python编程实战导论，263页pdf
专知会员服务
68+阅读 · 2021年7月10日
【2020新书】深度学习自然语言处理简明导论，69页pdf
【2020新书】深度学习自然语言处理简明导论，69页pdf
专知会员服务
114+阅读 · 2020年11月7日
【经典书】概率统计导论第五版，730页pdf
【经典书】概率统计导论第五版，730页pdf
专知会员服务
237+阅读 · 2020年7月28日
【干货书】Python语音计算导论，408页pdf
【干货书】Python语音计算导论，408页pdf
专知会员服务
101+阅读 · 2020年7月12日
【干货书】用Python构建聊天机器人，205页pdf，使用自然语言处理和机器学习
【干货书】用Python构建聊天机器人，205页pdf，使用自然语言处理和机器学习
专知会员服务
214+阅读 · 2020年6月14日
【硬核书】理解机器学习：从理论到算法，449页pdf深度理解机器学习
【硬核书】理解机器学习：从理论到算法，449页pdf深度理解机器学习
专知会员服务
308+阅读 · 2020年5月28日
【简明书】数学，统计和机器学习的动手入门，57页pdf
【简明书】数学，统计和机器学习的动手入门，57页pdf
专知
5+阅读 · 2022年3月3日
神经网络的基础数学，95页pdf
神经网络的基础数学，95页pdf
专知
25+阅读 · 2022年1月23日
【开放电子书】概率编程导论，301页pdf
【开放电子书】概率编程导论，301页pdf
专知
4+阅读 · 2021年10月21日
【经典书】机器学习导论，234页pdf
【经典书】机器学习导论，234页pdf
专知
1+阅读 · 2021年4月20日
【开放书】MLOps导论：构建企业机器学习生产系统，185页pdf
【开放书】MLOps导论：构建企业机器学习生产系统，185页pdf
专知
48+阅读 · 2021年4月8日
【斯坦福经典书】机器学习导论，188页pdf
【斯坦福经典书】机器学习导论，188页pdf
专知
0+阅读 · 2021年3月31日
最新《因果推断导论: 从机器学习视角》新书稿，92页pdf
最新《因果推断导论: 从机器学习视角》新书稿，92页pdf
专知
60+阅读 · 2020年9月29日
【干货书】计算机科学离散数学，627页pdf
【干货书】计算机科学离散数学，627页pdf
专知
60+阅读 · 2020年8月31日
【干货书】《机器学习导论(第二版)》，348页pdf
【干货书】《机器学习导论(第二版)》，348页pdf
专知
40+阅读 · 2020年6月16日
经典书《机器学习：概率视角》第二版Python代码，附1098页pdf下载
经典书《机器学习：概率视角》第二版Python代码，附1098页pdf下载
专知
178+阅读 · 2019年10月23日
故障预测和系统健康管理的贝叶斯推断
国家自然科学基金
17+阅读 · 2014年12月31日
可拓支持向量机理论、方法与应用研究
国家自然科学基金
1+阅读 · 2014年12月31日
基于机器学习的蛋白质翻译后修饰位点预测的研究
国家自然科学基金
1+阅读 · 2013年12月31日
概率图模型学习及其在数据分析中的应用研究
国家自然科学基金
16+阅读 · 2013年12月31日
基于支持向量机原理的无线传感器网络定位方法研究
国家自然科学基金
0+阅读 · 2013年12月31日
演化和蚁群算法的近似性能分析
国家自然科学基金
0+阅读 · 2011年12月31日
粒度支持向量机学习方法及应用研究
国家自然科学基金
0+阅读 · 2009年12月31日
基于机器学习的软件度量分析
国家自然科学基金
1+阅读 · 2009年12月31日
机器学习中模型选择问题的研究及其在图像理解中的应用
国家自然科学基金
8+阅读 · 2008年12月31日
基于公理模糊集理论的模糊机器学习
国家自然科学基金
4+阅读 · 2008年12月31日
GAM(e) changer or not? An evaluation of interpretable machine learning models based on additive model constraints
Arxiv
0+阅读 · 2022年4月19日
EXIT: Extrapolation and Interpolation-based Neural Controlled Differential Equations for Time-series Classification and Forecasting
Arxiv
0+阅读 · 2022年4月19日
AutoMLBench: A Comprehensive Experimental Evaluation of Automated Machine Learning Frameworks
Arxiv
0+阅读 · 2022年4月18日
On Reporting Performance and Accuracy Bugs for Deep Learning Frameworks: An Exploratory Study from GitHub
Arxiv
0+阅读 · 2022年4月17日
On Neural Differential Equations
Arxiv
23+阅读 · 2022年2月4日
Trustworthy AI: From Principles to Practices
Arxiv
46+阅读 · 2021年10月4日
Curriculum Learning: A Survey
Arxiv
24+阅读 · 2021年1月25日
Counterfactual Explanations for Machine Learning: A Review
Arxiv
25+阅读 · 2020年10月20日
Explainable Recommendation: A Survey and New Perspectives
Arxiv
11+阅读 · 2018年5月13日
Attention Is All You Need
Arxiv
27+阅读 · 2017年12月6日
VIP会员
相关主题
机器学习
书籍
相关VIP内容
【开放电子书】概率编程导论，301页pdf
【开放电子书】概率编程导论，301页pdf
专知会员服务
47+阅读 · 2021年10月21日
【干货书】贝叶斯推理和机器学习，610页pdf
专知会员服务
252+阅读 · 2021年10月8日
【经典书】概率与统计导论，641页pdf
专知会员服务
117+阅读 · 2021年10月6日
机器学习简明导论，62页pdf
专知会员服务
80+阅读 · 2021年7月31日
【干货书】Python编程实战导论，263页pdf
专知会员服务
68+阅读 · 2021年7月10日
【2020新书】深度学习自然语言处理简明导论，69页pdf
【2020新书】深度学习自然语言处理简明导论，69页pdf
专知会员服务
114+阅读 · 2020年11月7日
【经典书】概率统计导论第五版，730页pdf
【经典书】概率统计导论第五版，730页pdf
专知会员服务
237+阅读 · 2020年7月28日
【干货书】Python语音计算导论，408页pdf
【干货书】Python语音计算导论，408页pdf
专知会员服务
101+阅读 · 2020年7月12日
【干货书】用Python构建聊天机器人，205页pdf，使用自然语言处理和机器学习
【干货书】用Python构建聊天机器人，205页pdf，使用自然语言处理和机器学习
专知会员服务
214+阅读 · 2020年6月14日
【硬核书】理解机器学习：从理论到算法，449页pdf深度理解机器学习
【硬核书】理解机器学习：从理论到算法，449页pdf深度理解机器学习
专知会员服务
308+阅读 · 2020年5月28日
热门VIP内容
相关资讯
【简明书】数学，统计和机器学习的动手入门，57页pdf
【简明书】数学，统计和机器学习的动手入门，57页pdf
专知
5+阅读 · 2022年3月3日
神经网络的基础数学，95页pdf
神经网络的基础数学，95页pdf
专知
25+阅读 · 2022年1月23日
【开放电子书】概率编程导论，301页pdf
【开放电子书】概率编程导论，301页pdf
专知
4+阅读 · 2021年10月21日
【经典书】机器学习导论，234页pdf
【经典书】机器学习导论，234页pdf
专知
1+阅读 · 2021年4月20日
【开放书】MLOps导论：构建企业机器学习生产系统，185页pdf
【开放书】MLOps导论：构建企业机器学习生产系统，185页pdf
专知
48+阅读 · 2021年4月8日
【斯坦福经典书】机器学习导论，188页pdf
【斯坦福经典书】机器学习导论，188页pdf
专知
0+阅读 · 2021年3月31日
最新《因果推断导论: 从机器学习视角》新书稿，92页pdf
最新《因果推断导论: 从机器学习视角》新书稿，92页pdf
专知
60+阅读 · 2020年9月29日
【干货书】计算机科学离散数学，627页pdf
【干货书】计算机科学离散数学，627页pdf
专知
60+阅读 · 2020年8月31日
【干货书】《机器学习导论(第二版)》，348页pdf
【干货书】《机器学习导论(第二版)》，348页pdf
专知
40+阅读 · 2020年6月16日
经典书《机器学习：概率视角》第二版Python代码，附1098页pdf下载
经典书《机器学习：概率视角》第二版Python代码，附1098页pdf下载
专知
178+阅读 · 2019年10月23日
相关基金
故障预测和系统健康管理的贝叶斯推断
国家自然科学基金
17+阅读 · 2014年12月31日
可拓支持向量机理论、方法与应用研究
国家自然科学基金
1+阅读 · 2014年12月31日
基于机器学习的蛋白质翻译后修饰位点预测的研究
国家自然科学基金
1+阅读 · 2013年12月31日
概率图模型学习及其在数据分析中的应用研究
国家自然科学基金
16+阅读 · 2013年12月31日
基于支持向量机原理的无线传感器网络定位方法研究
国家自然科学基金
0+阅读 · 2013年12月31日
演化和蚁群算法的近似性能分析
国家自然科学基金
0+阅读 · 2011年12月31日
粒度支持向量机学习方法及应用研究
国家自然科学基金
0+阅读 · 2009年12月31日
基于机器学习的软件度量分析
国家自然科学基金
1+阅读 · 2009年12月31日
机器学习中模型选择问题的研究及其在图像理解中的应用
国家自然科学基金
8+阅读 · 2008年12月31日
基于公理模糊集理论的模糊机器学习
国家自然科学基金
4+阅读 · 2008年12月31日
相关论文
GAM(e) changer or not? An evaluation of interpretable machine learning models based on additive model constraints
Arxiv
0+阅读 · 2022年4月19日
EXIT: Extrapolation and Interpolation-based Neural Controlled Differential Equations for Time-series Classification and Forecasting
Arxiv
0+阅读 · 2022年4月19日
AutoMLBench: A Comprehensive Experimental Evaluation of Automated Machine Learning Frameworks
Arxiv
0+阅读 · 2022年4月18日
On Reporting Performance and Accuracy Bugs for Deep Learning Frameworks: An Exploratory Study from GitHub
Arxiv
0+阅读 · 2022年4月17日
On Neural Differential Equations
Arxiv
23+阅读 · 2022年2月4日
Trustworthy AI: From Principles to Practices
Arxiv
46+阅读 · 2021年10月4日
Curriculum Learning: A Survey
Arxiv
24+阅读 · 2021年1月25日
Counterfactual Explanations for Machine Learning: A Review
Arxiv
25+阅读 · 2020年10月20日
Explainable Recommendation: A Survey and New Perspectives
Arxiv
11+阅读 · 2018年5月13日
Attention Is All You Need
Arxiv
27+阅读 · 2017年12月6日
微信扫码咨询专知VIP会员
Top