Le guide ultime pour maîtriser l'apprentissage automatique : du débutant à l'expert

ici, j'ai mentionné un tutoriel étape par étape. Vous cliquez sur un sujet et le déplacez vers un blog, lisez le concept et améliorez vos compétences en apprentissage automatique.

1. Besoin d'apprentissage automatique, principes de base, applications, défis
2. Types d'apprentissage automatique
3. Régression linéaire
4. Régression logistique (classification binaire)
5. K-Voisins les plus proches
6. Arbre de décision
7. Forêt aléatoire
8. Amplification des dégradés (XGboost)
9. Soutenir les machines vectorielles
10. Classification Mesures d'évaluation (exactitude, précision, rappel, métriques de confusion) Surajustement et sous-ajustement
11. Représentation des réseaux de neurones (Perceptron Learning)
12. Réseaux de neurones à convolution
13. Réseaux neuronaux récurrents
14. Réglage des hyperparamètres
15. Réduction de dimensionnalité (PCA, SVD)
16. Clustering (K-Means Clustering, Hierarchical Clustering)
17. Détection d'une anomalie
18. Apprentissage des règles d'association
19. Principes fondamentaux et applications de l'apprentissage par renforcement
20. Q-Apprentissage
21. Systèmes de recommandation

"Je n'ai jamais rêvé de succès. J'ai travaillé pour ça. »