ML overview notes (01) (Tổng quan về Máy học) - Sebastian Raschka
- 페이지 수
- 23
- 형식
- 크기
- 1.4 MB
- 연도
- 2018
- Trường
- University Wisconsin-Madison
- 조회수
- 0
- 댓글
- 0
- Lượt tải
- 0
미리보기 생성 중...
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.
- 문서명
- ML overview notes (01) (Tổng quan về Máy học) - Sebastian Raschka
- 학교 / 강의
- University Wisconsin-Madison · Machine learning
- 내용
- 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.
- 목차
- 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
- 페이지 수
- 23 페이지
- 업로더
- Uni24h
설명
Trích nội dung tài liệu
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 . . . . . . . . . . . .
자주 묻는 질문
이 문서는 무료인가요?
네. “ML overview notes (01) (Tổng quan về Máy học) - Sebastian Raschka” 문서는 무료입니다. 로그인 후 '다운로드'를 클릭하여 원본 파일을 받으세요.
이 문서는 몇 페이지로 되어 있나요?
이 문서는 23페이지입니다, Machine learning 과정용. 다운로드하기 전에 온라인으로 미리 볼 수 있습니다.
다운로드하기 전에 미리 볼 수 있나요?
네. 이 페이지의 온라인 리더를 통해 문서를 미리 본 후 다운로드 여부를 결정할 수 있습니다.
ML overview notes (01) (Tổng quan về Máy học) - Sebastian Raschka
미리보기 생성 중...
Trích nội dung tài liệu
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 . . . . . . . . . . . .
- 문서명
- ML overview notes (01) (Tổng quan về Máy học) - Sebastian Raschka
- 학교 / 강의
- University Wisconsin-Madison · Machine learning
- 내용
- 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.
- 목차
- 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
- 페이지 수
- 23 페이지
- 업로더
- Uni24h
댓글 (0)
댓글이 없습니다. 첫 댓글을 남겨보세요!
Trees notes (06) (Cây quyết định trong Máy học) - Sebastian Raschka
Feat extract slides (14) (Giảm chiều dữ liệu, tập trung vào trích xuất đặc trưng) - Sebastian Raschka
Eval intro slides (08) (Đánh giá mô hình, overfitting và underfitting, phân rã bias-variance trong Máy học) - Sebastian Raschka
Machine learning tips and tricks (Tổng hợp mẹo về học máy)
Eval algo notes (11) (Các kiểm định thống kê và so sánh thuật toán) - Sebastian Raschka
Tổng hợp Đề Toán 5 - Luyện thi vào Lớp 6 - CLB EMath
Bài giảng vật lý đại cương (Chương 3) - Đỗ Ngọc Uấn
Chương 8.Nguyên tử - Vật lý đại cương 3 - TS.Nguyễn Thị Trang
Chương 7.Cơ học lượng tử - Vật lý đại cương 3 - TS.Nguyễn Thị Trang
Chương 6.Quang học lượng tử - Vật lý đại cương 3 - TS.Nguyễn Thị Trang
댓글 (0)
댓글이 없습니다. 첫 댓글을 남겨보세요!