发文章
发文工具
撰写
网文摘手
文档
视频
思维导图
随笔
相册
原创同步助手
其他工具
图片转文字
文件清理
AI助手
留言交流
林轩田机器学习基石笔记
【1】The Learning Problem
【2】Learning to Answer Yes/No
【3】Types of Learning
【4】Feasibility of Learning
【5】Training versus Testing
【6】Theory of Generalization
【7】The VC Dimension
【8】Noise and Error
【9】Linear Regression
【10】Logistic Regression
【11】Linear Models for Classification
【12】Nonlinear Transformation
【13】Hazard of Overfitting
【14】Regularization
【15】Validation
【16】Three Learning Principles
林轩田机器学习技法笔记
【1】Linear Support Vector Machine
【2】Dual Support Vector Machine
【3】Kernel Support Vector Machine
【4】Soft-Margin Support Vector Machine
【5】Kernel Logistic Regression
【6】Support Vector Regression
【7】Blending and Bagging
【8】Adaptive Boosting
【9】Decision Tree
【10】Random Forest
【11】Gradient Boosted Decision Tree
【12】Neural Network
【13】Deep Learning
【14】Radial Basis Function Network
【15】Matrix Factorization
【16】Finale
吴恩达深度学习专项课程笔记
神经网络与深度学习:
【1】深度学习概述
【2】神经网络基础之逻辑回归
【3】神经网络基础之Python与向量化
【4】浅层神经网络
【5】深层神经网络
优化神经网络:
【1】深度学习的实用层面
【2】优化算法
【3】超参数调试、Batch正则化和编程框架
构建机器学习项目:
【1】机器学习策略(上)
【2】机器学习策略(下)
卷积神经网络CNN:
【1】卷积神经网络基础
【2】深度卷积模型:案例研究
【3】目标检测
【4】人脸识别与神经风格迁移
序列模型RNN:
【1】循环神经网络(RNN)
【2】NLP和Word Embeddings
【3】序列模型和注意力机制
机器学习各个击破
【1】机器学习中的维度灾难
【2】简单的梯度下降算法,你真的懂了吗?
【3】一看就懂的感知机算法PLA
【4】优化线性感知机算法:Pocket PLA
【5】距离产生美?k近邻算法python实现
【6】基于线性SVM的CIFAR-10图像集分类
【7】通俗易懂!白话朴素贝叶斯
【8】划重点!十分钟掌握牛顿法凸优化
【9】简单的交叉熵损失函数,你真的懂了吗?
【10】7 种回归方法!请务必掌握!
【11】机器学习中 L1 和 L2 正则化的直观解释
【12】划重点!通俗解释协方差与相关系数
【13】如何让奇异值分解(SVD)变得不“奇异”?
【14】一份机器学习的自白书
【15】机器学习大牛如何选择回归损失函数?
【16】机器学习必备的分类损失函数速查手册
【17】【吐血整理】一份完备的集成学习手册!
【18】今日机器学习概念:感知机模型
【19】机器学习碎碎念:霍夫丁不等式
【20】机器学习实用指南:这些基础盲点请务必注意!
【21】2018 最好的机器学习实用指南书籍来了!
【22】重磅 | AI 圣经 PRML《模式识别与机器学习》官方开源了!
【23】干货 | 机器学习正在面临哪些主要挑战?
【24】我整理了 50 页 PPT 来解释 SVM
【25】机器学习实战指南:如何入手第一个机器学习项目?
【26】机器学习实用指南:如何从数据可视化中发现数据规律?
【27】超级实用!如何为机器学习算法准备数据?
深度学习各个击破
【1】三分钟带你对 Softmax 划重点
【2】白话生成对抗网络 GAN!【附源码】
【3】6 种激活函数核心知识点,请务必掌握!
【4】吴恩达《Machine Learning Yearning》中文版新鲜出炉!
【5】Python 深度学习,你的 Keras 准备好了吗?
笔试题精选
机器学习技法:
【1】机器学习笔试题精选(一)
【2】机器学习笔试题精选(二)
【3】机器学习笔试题精选(三)
【4】机器学习笔试精选题精选(四)
【5】机器学习笔试题精选(五)
【6】机器学习笔试题精选(六)
【7】机器学习笔试题精选(七)
【8】长文!机器学习笔试精选 100 题
【9】200 道算法面试题集锦!Python 实现,含华为、BAT 等校招真题!
资源、工具、教程
【1】Jupyter notebook入门教程(上)
【2】Jupyter notebook入门教程(下)
【3】重磅!吴恩达深度学习又开新课啦!
【4】我的机器学习入门路线图
【5】我的深度学习入门路线
【6】撒花!吴恩达《Machine Learning Yearning》完结!
【7】2018 NLP圣经《自然语言处理综述》最新手稿已经发布!
【8】Git 简洁教程:本地项目如何与 GitHub 互连?
【9】撒花!吴恩达《Machine Learning Yearning》中文版新鲜出炉!
【10】干货 | 谈谈我是如何入门这场 AI 大赛的
【11】重磅 | 深度学习“四大名著”发布!爱可可推荐!
【12】致考研!谈谈我是如何考上北大的
【13】8K 星!这可能是最适合你的 TensorFlow 教程
【14】火爆 GitHub 的《机器学习 100 天》,有人把它翻译成了中文版
【15】OpenCV 机器视觉入门精选 100 题(附 Python 代码)
【16】2019 深度学习框架大盘点!看 PyTorch、TensorFlow 如何强势上榜?
【17】51 个深度学习目标检测模型汇总,论文、源码一应俱全!
【18】火爆 GitHub 的 16 张机器学习速查表,值得收藏!
【19】重磅 | 19 页花书精髓笔记!你可能正需要这份知识清单
【20】这 28 张精炼图,将吴恩达的 deeplearning.ai 总结得恰到好处!
【21】10 门必修的机器学习名校公开课,旨在完善你的 AI 学习路线!
【22】重磅!PyTorch 中文手册已开源!理论、实践、应用都有了!
【23】3 个相见恨晚的 Google Colaboratory 奇技淫巧!
【24】吴恩达的 CS229,有人把它浓缩成 6 张中文速查表!
【25】10 年深度学习顶级论文和代码精选,请务必收藏!
【26】6 个核心理念诠释了吴恩达新书《Machine Learning Yearning》
【27】火爆网络的《神经网络与深度学习》,有人把它翻译成了中文版!
【28】10K+,深度学习论文、代码最全汇总!一键收藏
【29】重磅!深度学习圣经“花书”核心笔记、代码发布
【30】深度学习 500 问!一份火爆 GitHub 的面试手册
【31】最新 | Python 官方中文文档正式发布!
【32】撒花!斯坦福深度学习最新视频发布,吴恩达主讲!
【33】737 页《吴恩达深度学习核心笔记》发布,黄海广博士整理!
【34】撒花!《神经网络与深度学习》中文教程正式开源!
【35】72 页 PPT,带你梳理神经网络完整架构(含 PyTorch 代码)
【36】重磅!66 个机器学习硬核资源,请务必收藏!
来自: awoziji > 《待分类》
0条评论
发表
请遵守用户 评论公约
CV开发者自我修养 | 吴恩达教程/笔记/刷题资料最全汇总
CV开发者自我修养 | 吴恩达教程/笔记/刷题资料最全汇总。吴恩达老师是机器学习领域中非常知名的大牛,他在coursera平台上发布的《机器学...
吴恩达深度学习笔记(deeplearning.ai)之卷积神经网络(CNN)(上)
吴恩达深度学习笔记(deeplearning.ai)之卷积神经网络(CNN)(上)与只用全连接层相比,卷积层的主要优点是参数共享和稀疏连接,这使得卷积操作所需要学习的参数数量大大减少。
2019年上半年收集到的人工智能循环神经网络干货文章
2019年上半年收集到的人工智能循环神经网络干货文章。机器学习:循环神经网络知识要点。使用RNNs进行机器翻译——介绍RNN和LSTM网络及其应用。RNN神经网络模型综述。精讲深度学习RNN三大核心点,三分钟...
麦肯锡AI笔记:解密人工智能19个行业400 用例,万亿价值在何方?
麦肯锡AI笔记:解密人工智能19个行业400 用例,万亿价值在何方?对于通讯行业,运营商有大量的结构化的客户数据,非常适合传统分析技术...
《AI 算法工程师手册》:从数学基础到统计学习一网打尽(图文并茂)!
《AI 算法工程师手册》:从数学基础到统计学习一网打尽(图文并茂)!统计学习部分包含了机器学习简介、支持向量机、朴素贝叶斯、决策树...
麦肯锡AI笔记:解密人工智能19个行业,万亿价值在何方?
先来说说人工智能算法跟传统算法相比,在性能方面的优势(总体而言,AI分析技术能带来传统之外的30%到128%的行业价值提升):▲AI分析技...
央观科技金融学习群组首日读书笔记-人工智能
所以,我对人工智能的看法是乐观的,而且人工智能技术的本身并没有好与坏之分,正如核技术可以制作原子弹也可以制造核电站一样,能否带给人类幸福,也许更多的是取决于人类本身如何看待和使用这项技术...
吴恩达Deeplearning.ai课程学习全体验:深度学习必备课程(已获证书)
吴恩达Deeplearning.ai课程学习全体验:深度学习必备课程(已获证书)课程资料与工具。该课程与 Jeremy Howard 的 Fast.ai 课程有何区别...
CSDN博客
总之,最近这段时间学习深度学习的朋友们心情大爽,前有 Udacity 的深度学习纳米学位,后有《深度学习》花皮书,现在又来了吴恩达的课程...
微信扫码,在手机上查看选中内容