Полное руководство по освоению машинного обучения: от новичка до эксперта

здесь я упомянул пошаговое руководство. Вы нажимаете на тему и перемещаете ее в блог, читаете концепцию и совершенствуете свои навыки машинного обучения.

1. Потребность в машинном обучении, основные принципы, приложения, проблемы
2. Типы машинного обучения
3. Линейная регрессия
4. Логистическая регрессия (бинарная классификация)
5. K-ближайшие соседи
6. Древо решений
7. Случайный лес
8. Повышение градиента (XGboost)
9. Опорные векторные машины
10. Классификация Меры оценки (точность, точность, полнота, метрики путаницы) Переоснащение и недообучение
11. Представление нейронной сети (обучение персептрона)
12. Сверточные нейронные сети
13. Рекуррентные нейронные сети
14. Настройка гиперпараметров
15. Уменьшение размерности (PCA, SVD)
16. Кластеризация (кластеризация K-средних, иерархическая кластеризация)
17. Обнаружение аномалий
18. Изучение правил ассоциации
19. Основы обучения с подкреплением и приложения
20. Q-обучение
21. Рекомендательные системы

«Я никогда не мечтал об успехе. Я работал на это».