머신 러닝 마스터링을 위한 궁극의 가이드: 초보자부터 전문가까지

여기에서는 단계별 자습서를 언급했습니다. 주제를 클릭하고 블로그로 이동하고 개념을 읽고 기계 학습 기술을 향상시킵니다.

1. 기계 학습의 필요성, 기본 원리, 응용, 과제
2. 기계 학습의 유형
3. 선형 회귀
4. 로지스틱 회귀(이진 분류)
5. K-최근접 이웃
6. 의사 결정 트리
7. 랜덤 포레스트
8. 그래디언트 부스팅(XGboost)
9. 서포트 벡터 머신
10. 분류 평가 척도 (정확도, 정밀도, 재현율, 혼동 지표) 과적합 및 과소적합
11. 신경망 표현(퍼셉트론 학습)
12. 컨볼루션 신경망
13. 순환 신경망
14. 초매개변수 조정
15. 차원 축소(PCA, SVD)
16. 클러스터링(K-Means 클러스터링, 계층적 클러스터링)
17. 이상 감지
18. 연관 규칙 학습
19. 강화 학습 기초 및 응용
20. Q-러닝
21. 추천 시스템

“저는 성공을 꿈꿔본 적이 없습니다. 나는 그것을 위해 일했습니다.”