Kompletny przewodnik po opanowaniu uczenia maszynowego: od początkującego do eksperta

tutaj wspomniałem o samouczku krok po kroku. Klikasz na temat i przenosisz go do bloga, czytasz koncepcję i doskonalisz swoje umiejętności uczenia maszynowego.

1. Potrzeba uczenia maszynowego, podstawowe zasady, zastosowania, wyzwania
2. Rodzaje uczenia maszynowego
3. Regresja liniowa
4. Regresja logistyczna (klasyfikacja binarna)
5. K-najbliżsi sąsiedzi
6. Drzewo decyzyjne
7. Losowy las
8. Wzmocnienie gradientu (XGboost)
9. Maszyny wektorów pomocniczych
10. Klasyfikacja Miary oceny (dokładność, precyzja, pamięć, dezorientacja Metryki) Nadmierne dopasowanie i niedopasowanie
11. Reprezentacja sieci neuronowej (uczenie się perceptronu)
12. Splotowe sieci neuronowe
13. Powtarzające się sieci neuronowe
14. Strojenie hiperparametrów
15. Redukcja wymiarowości (PCA, SVD)
16. Grupowanie (grupowanie k-średnich, grupowanie hierarchiczne)
17. Wykrywanie anomalii
18. Nauka reguł asocjacyjnych
19. Podstawy i zastosowania uczenia się przez wzmacnianie
20. Q-Learning
21. Systemy rekomendacji

„Nigdy nie marzyłem o sukcesie. Pracowałem na to”.