ML overview notes (01) (Tổng quan về Máy học) - Sebastian Raschka
Tài liệu ghi chú bài giảng môn Machine Learning (STAT 479) của Sebastian Raschka tại Đại học Wisconsin–Madison, mùa thu 2018, giới thiệu tổng quan về Machine Learning.
Generating preview...
STAT 479: Machine Learning Lecture Notes Sebastian Raschka Department of Statistics University of Wisconsin–Madison http://stat.wisc.edu/∼sraschka/teaching/stat479-fs2018/ Fall 2018 Contents 1 L01: What is Machine Learning? An Overview. 1 1.1 Machine Learning – The Big Picture . . . . . . . . . . . . . . . . . . . . . . . 1 1.2 Applications of Machine Learning . . . . . . . . . . . . . . . . . . . . . . . . . 3 1.3 Overview of the Categories of Machine Learning . . . . . . . . . . . . . . . . 4 1.3.1 Supervised Learning . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4 1.3.2 Unsupervised learning . . . . . . . . . . . . . . . . . . . . . . . . . . . 5 1.3.3 Reinforcement learning . . . . . . . . . . . . . . . . . . . . . . . . . . 6 1.3.4 Semi-supervised learning . . . . . . . . . . . . . . . . . . . . . . . . . . 6 Introduction to Supervised Learning . . . . . . . . . . . . . . . . . . . . . . . 6 1.4.1 Statistical Learning Notation . . . . . . . . . . . . . . . . . . . . . . . 8 1.5 Data Representation and Mathematical Notation . . . . . . . . . . . . . . . . 8 1.6 Hypothesis space . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9 1.7 Classes of Machine Learning Algorithms . . . . . . . . . . . . . . . . . . . . . 10 1.4 1.8 1.9 1.7.1 Algorithm Categorization Schemes . . . . . . . . . . . . . . . . . . . . 10 1.7.2 Pedro Domingo’s 5 Tribes of Machine Learning . . . . . . . . . . . . . 11 Components of Machine Learning Algorithms . . . . . . . . . . . . . . . . . . 12 1.8.1 Training . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13 1.8.2 Evaluation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14 1.8.3 Intuition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14 1.8.4 Prediction Error . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14 Different Motivations for Studying Machine Learning . . . . . . . . . . . .
… Tải file gốc để đọc toàn bộ tài liệu.
- Document name
- ML overview notes (01) (Tổng quan về Máy học) - Sebastian Raschka
- School / Course
- University Wisconsin-Madison · Machine learning
- Content
- Tài liệu cung cấp cái nhìn tổng quan về Học máy, bao gồm định nghĩa, các loại hình học máy, các thành phần cốt lõi của thuật toán và mối liên hệ với các lĩnh vực khoa học dữ liệu khác.
- Table of contents
- L01: What is Machine Learning? An Overview.
- 1.1 Machine Learning – The Big Picture
- 1.2 Applications of Machine Learning
- 1.3 Overview of the Categories of Machine Learning
- 1.3.1 Supervised Learning
- 1.3.2 Unsupervised learning
- 1.3.3 Reinforcement learning
- 1.3.4 Semi-supervised learning
- 1.4 Introduction to Supervised Learning
- 1.4.1 Statistical Learning Notation
- 1.5 Data Representation and Mathematical Notation
- 1.6 Hypothesis space
- 1.7 Classes of Machine Learning Algorithms
- 1.7.1 Algorithm Categorization Schemes
- 1.7.2 Pedro Domingo’s 5 Tribes of Machine Learning
- 1.8 Components of Machine Learning Algorithms
- 1.8.1 Training
- 1.8.2 Evaluation
- 1.8.3 Intuition
- 1.8.4 Prediction Error
- 1.9 Different Motivations for Studying Machine Learning
- 1.10 On Black Boxes & Interpretability
- 1.11 The Relationship between Machine Learning and Other Fields
- 1.11.1 Machine Learning and Data Mining
- 1.11.2 Machine Learning, AI, and Deep Learning
- 1.12 Roadmap for this Course
- 1.13 Software
- 1.14 Glossary
- 1.15 Reading Assignments
- 1.16 Further Reading
- Pages
- 23 pages
- Uploaded by
- Giang Le
Frequently asked questions
Tài liệu này có miễn phí không?
Có. “ML overview notes (01) (Tổng quan về Máy học) - Sebastian Raschka” miễn phí — bạn chỉ cần đăng nhập rồi bấm Tải xuống để lấy file gốc.
Tài liệu dài bao nhiêu trang?
Tài liệu gồm 23 trang, thuộc môn Machine learning. Bạn có thể xem trước online trước khi tải.
Tôi có thể xem trước trước khi tải không?
Có. Bạn xem trước tài liệu ngay trên trang này bằng trình đọc online, rồi quyết định tải về.
Comments (0)
No comments yet. Be the first!