ML overview notes (01) (Tổng quan về Máy học) - Sebastian Raschka
Đang tạo bản xem trước...
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.
Mô tả
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 . . . . . . . . . . . .
Tóm tắt AI
- Tên tài liệu
- ML overview notes (01) (Tổng quan về Máy học) - Sebastian Raschka
- Trường / Môn
- University Wisconsin-Madison · Machine learning
- Nội dung
- 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.
- Mục lục
- 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
- Số trang
- 23 trang
- Người đăng
- Uni24h
Câu hỏi thường gặp
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.
ML overview notes (01) (Tổng quan về Máy học) - Sebastian Raschka
Đang tạo bản xem trước...
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 . . . . . . . . . . . .
Đọc toàn bộ tài liệu
- Tên tài liệu
- ML overview notes (01) (Tổng quan về Máy học) - Sebastian Raschka
- Trường / Môn
- University Wisconsin-Madison · Machine learning
- Nội dung
- 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.
- Mục lục
- 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
- Số trang
- 23 trang
- Người đăng
- Uni24h
Bình luận (0)
Chưa có bình luận nào. Hãy là người đầu tiên!
Eval algo notes (11) (Các kiểm định thống kê và so sánh thuật toán) - Sebastian Raschka
Refresher probabilities statistics (Xác suất và thống kê cho Machine Learning) - Afshine Amidi and Shervine Amidi
Ensembles notes (07) (Các phương pháp học ensemble) - Sebastian Raschka
Super cheatsheet machine learning (Khái niệm và công thức chính trong học máy) - Afshine Amidi and Shervine Amidi
Cheatsheet Deep Learning (Khái niệm chính về học sâu) - Afshine Amidi and Shervine Amidi
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
Chương 5.Thuyết tương đối - Vật lý đại cương 3 - TS.Nguyễn Thị Trang
Chương 4. Tán xạ ánh sáng - Vật lý đại cương 3 - TS.Nguyễn Thị Trang
Chương 3.Phân cực ánh sáng - Vật lý đại cương 3 - TS.Nguyễn Thị Trang
Bình luận (0)
Chưa có bình luận nào. Hãy là người đầu tiên!