课程题目

机器学习中的常识性问题

课程内容

机器学习是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。专门研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构使之不断改善自身的性能。它是人工智能的核心,是使计算机具有智能的根本途径。本课程主要介绍了当下机器学习的常识性问题,如机器学习概念,发展历史,超参数,常用的统计学习方法,以及数学理论等基础性知识。

成为VIP会员查看完整内容
0
37

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

课程题目

Google机器学习速成课程

课程内容

Google机器学习速成课程,这个资源涵盖了谷歌机器学习速成课程(中文版)的所有内容,主要是为了方便国内机器学习爱好者学习这门课程。内容主要以加利福尼亚房价预测为线索,讲解了使用机器学习和深度学习解决现实世界问题的一般方法。学习了 Google机器学习速成课程可以算作学习了机器学习功夫的招式。

成为VIP会员查看完整内容
0
64
小贴士
相关VIP内容
【经典书】精通机器学习特征工程,中文版,178页pdf
专知会员服务
225+阅读 · 2020年2月15日
【新书】Python中的经典计算机科学问题,224页pdf
专知会员服务
100+阅读 · 2019年12月28日
专知会员服务
55+阅读 · 2019年12月24日
谷歌机器学习速成课程中文版pdf
专知会员服务
92+阅读 · 2019年12月4日
【机器学习课程】Google机器学习速成课程
专知会员服务
64+阅读 · 2019年12月2日
相关资讯
机器学习必备的数学基础有哪些?
人工智能头条
6+阅读 · 2019年10月18日
机器学习相关汇总
计算机与网络安全
3+阅读 · 2019年5月1日
CCCF译文 | 机器学习如何影响本科生计算机课程
中国计算机学会
4+阅读 · 2019年2月18日
【机器学习】深入剖析机器学习中的统计思想
产业智能官
8+阅读 · 2019年1月24日
吴恩达机器学习课程
平均机器
6+阅读 · 2018年2月5日
贝叶斯机器学习前沿进展
无人机
5+阅读 · 2018年1月26日
【机器学习】机器学习和深度学习概念入门
产业智能官
6+阅读 · 2018年1月3日
干货|掌握机器学习数学基础之优化[1](重点知识)
机器学习研究会
5+阅读 · 2017年11月19日
课程 | 12个适合机器学习入门的经典案例
相关论文
Liang Yao,Chengsheng Mao,Yuan Luo
12+阅读 · 2019年9月7日
Zhuosheng Zhang,Yuwei Wu,Hai Zhao,Zuchao Li,Shuailiang Zhang,Xi Zhou,Xiang Zhou
3+阅读 · 2019年9月5日
Ashutosh Adhikari,Achyudh Ram,Raphael Tang,Jimmy Lin
3+阅读 · 2019年8月22日
X-BERT: eXtreme Multi-label Text Classification with BERT
Wei-Cheng Chang,Hsiang-Fu Yu,Kai Zhong,Yiming Yang,Inderjit Dhillon
11+阅读 · 2019年7月4日
How to Fine-Tune BERT for Text Classification?
Chi Sun,Xipeng Qiu,Yige Xu,Xuanjing Huang
11+阅读 · 2019年5月14日
Zi-Yuan Chen,Chih-Hung Chang,Yi-Pei Chen,Jijnasa Nayak,Lun-Wei Ku
4+阅读 · 2019年4月2日
IRLAS: Inverse Reinforcement Learning for Architecture Search
Minghao Guo,Zhao Zhong,Wei Wu,Dahua Lin,Junjie Yan
4+阅读 · 2018年12月14日
Catherine Wong,Neil Houlsby,Yifeng Lu,Andrea Gesmundo
4+阅读 · 2018年9月11日
Ke Tran,Yonatan Bisk
3+阅读 · 2018年5月28日
Henggang Cui,Gregory R. Ganger,Phillip B. Gibbons
3+阅读 · 2018年3月20日
Top