【干货书】机器学习Primer,122页pdf

10 月 5 日 专知
【干货书】机器学习Primer,122页pdf

机器学习简明指南,不可错过!




A Machine Learning Primer


亚马逊研究科学家Mihail Eric关于机器学习实践重要经验。包括监督学习、机器学习实践、无监督学习以及深度学习。具体为:

监督学习

  • 线性回归

  • 逻辑回归

  • 朴素贝叶斯

  • 支持向量机

  • 决策树

  • K-近邻

机器学习实践

  • 偏差-方差权衡

  • 如何选择模型

  • 如何选择特征

  • 正则化你的模型

  • 模型集成

  • 评价指标

无监督学习

  • 市场篮子分析

  • K均值聚类

  • 主成分分析

深度学习

  • 前向神经网络

  • 神经网络实践

  • 卷积神经网络

  • 循环神经网络


线性回归


逻辑回归


朴素贝叶斯



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)

  • 后台回复“AI177” 可以获取《【干货书】机器学习Primer,122页pdf》专知下载链接索引

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
登录查看更多
0

相关内容

这份手册最大的特点就是包含许多关于机器学习的经典公式和图表,有助于您快速回忆有关机器学习的知识点。非常适合那些正在准备与机器学习相关的工作面试的人。

项目地址: https://github.com/soulmachine/machine-learning-cheat-sheet

该手册虽然只有 135 页,但麻雀虽小五脏俱全,包含了 28 个主题内容,目录如下:

  • Introduction
  • Probability
  • Generative models for discrete data
  • Gaussian Models
  • Bayesian statistics
  • Frequentist statistics
  • Linear Regression
  • Logistic Regression
  • Generalized linear models and the exponential family
  • Directed graphical models(Bayes nets)
  • Mixture models and the EM algorithm
  • Latent linear models
  • Sparse linear models
  • Kernels
  • Gaussian processes
  • Adaptive basis function models
  • Hidden markov Model
  • State space models
  • Undirected graphical models(Markov random fields)
  • Exact inference for graphical models
  • Variational inference
  • More variational inference
  • Monte Carlo inference
  • Markov chain Monte Carlo (MCMC)inference
  • Clustering
  • Graphical model structure learning
  • Latent variable models for discrete data
  • Deep learning
成为VIP会员查看完整内容
0
20

管理统计和数据科学的原理包括:数据可视化;描述性措施;概率;概率分布;数学期望;置信区间;和假设检验。方差分析;简单线性回归;多元线性回归也包括在内。另外,本书还提供了列联表、卡方检验、非参数方法和时间序列方法。

教材:

  • 包括通常在入门统计学课程中涵盖的学术材料,但与数据科学扭曲,较少强调理论
  • 依靠Minitab来展示如何用计算机执行任务
  • 展示并促进来自开放门户的数据的使用
  • 重点是发展对程序如何工作的直觉
  • 让读者了解大数据的潜力和目前使用它的失败之处
成为VIP会员查看完整内容
0
51

关于大数据技术的信息很多,但将这些技术拼接到端到端企业数据平台是一项艰巨的任务,没有得到广泛的讨论。通过这本实用的书,您将学习如何在本地和云中构建大数据基础设施,并成功地构建一个现代数据平台。

本书非常适合企业架构师、IT经理、应用程序架构师和数据工程师,它向您展示了如何克服Hadoop项目期间出现的许多挑战。在深入了解以下内容之前,您将在一个彻底的技术入门中探索Hadoop和大数据领域中可用的大量工具:

  • 基础设施: 查看现代数据平台中的所有组件层,从服务器到数据中心,为企业中的数据建立坚实的基础

-平台: 了解部署、操作、安全性、高可用性和灾难恢复的各个方面,以及将平台与企业IT的其他部分集成在一起所需了解的所有内容

  • 将Hadoop带到云端: 学习在云中运行大数据平台的重要架构方面,同时保持企业安全性和高可用性
成为VIP会员查看完整内容
0
80
小贴士
相关VIP内容
专知会员服务
20+阅读 · 11月20日
专知会员服务
43+阅读 · 10月30日
专知会员服务
27+阅读 · 9月20日
专知会员服务
41+阅读 · 8月31日
专知会员服务
51+阅读 · 7月29日
专知会员服务
57+阅读 · 6月20日
【干货书】《机器学习导论(第二版)》,348页pdf
专知会员服务
77+阅读 · 6月16日
专知会员服务
80+阅读 · 6月15日
【干货书】机器学习Python实战教程,366页pdf
专知会员服务
148+阅读 · 3月17日
相关论文
Emmanuel Bengio,Joelle Pineau,Doina Precup
6+阅读 · 3月13日
A Survey on Explainable Artificial Intelligence (XAI): Towards Medical XAI
Erico Tjoa,Cuntai Guan
3+阅读 · 2019年10月15日
Claudio Gambella,Bissan Ghaddar,Joe Naoum-Sawaya
6+阅读 · 2019年1月16日
A Probe into Understanding GAN and VAE models
Jingzhao Zhang,Lu Mi,Macheng Shen
6+阅读 · 2018年12月13日
Paraphrase Generation with Deep Reinforcement Learning
Zichao Li,Xin Jiang,Lifeng Shang,Hang Li
3+阅读 · 2018年8月23日
Classification with Fairness Constraints: A Meta-Algorithm with Provable Guarantees
L. Elisa Celis,Lingxiao Huang,Vijay Keswani,Nisheeth K. Vishnoi
3+阅读 · 2018年8月2日
Yu-Siang Wang,Chenxi Liu,Xiaohui Zeng,Alan Yuille
5+阅读 · 2018年3月25日
Daniel Oñoro-Rubio,Roberto J. López-Sastre,Carolina Redondo-Cabrera,Pedro Gil-Jiménez
5+阅读 · 2018年1月24日
Fang Yuan,Zhe Wang,Jie Lin,Luis Fernando D'Haro,Kim Jung Jae,Zeng Zeng,Vijay Chandrasekhar
4+阅读 · 2017年11月6日
Top