คู่มือขั้นสูงสุดสำหรับการเรียนรู้ของเครื่องอย่างเชี่ยวชาญ: ตั้งแต่ระดับเริ่มต้นจนถึงระดับผู้เชี่ยวชาญ

ที่นี่ฉันได้กล่าวถึงการสอนทีละขั้นตอน คุณคลิกที่หัวข้อและย้ายไปยังบล็อก อ่านแนวคิด และพัฒนาทักษะการเรียนรู้ของเครื่องของคุณ

1. ความต้องการการเรียนรู้ของเครื่อง หลักการพื้นฐาน แอปพลิเคชัน ความท้าทาย
2. ประเภทของการเรียนรู้ของเครื่อง
3. การถดถอยเชิงเส้น
4. การถดถอยโลจิสติก (การจำแนกประเภทไบนารี)
5. K-เพื่อนบ้านที่ใกล้ที่สุด
6. ต้นไม้แห่งการตัดสินใจ
7. ป่าสุ่ม
8. การเพิ่มการไล่ระดับสี (XGboost)
9. สนับสนุนเครื่องเวกเตอร์
10. มาตรการประเมินการจำแนกประเภท (ความแม่นยำ ความแม่นยำ การเรียกคืน การวัดความสับสน) เกินพอดีและน้อยเกินไป
11. การเป็นตัวแทนเครือข่ายประสาท (การเรียนรู้ของ Perceptron)
12. โครงข่ายประสาทเทียม
13. โครงข่ายประสาทกำเริบ
14. การปรับไฮเปอร์พารามิเตอร์
15. การลดขนาด (PCA, SVD)
16. การทำคลัสเตอร์ (คลัสเตอร์แบบ K-Mean, การทำคลัสเตอร์แบบลำดับชั้น)
17. การตรวจจับความผิดปกติ
18. การเรียนรู้กฎของสมาคม
19. พื้นฐานการเรียนรู้การเสริมแรงและการประยุกต์
20. Q-การเรียนรู้
21. ระบบคำแนะนำ

“ฉันไม่เคยฝันถึงความสำเร็จ ฉันทำงานเพื่อมัน”