TA的每日心情 | 开心 2024-9-19 21:14 |
---|
签到天数: 757 天 [LV.10]以坛为家III
管理员
- 积分
- 1312455
|
资源详情
算法的进步超乎我们详细,几乎可以说是日日新,机器学习固然有些枯燥乏味,
但不妨换个角度和方法,阶段忄生的分解学习,长期坚持,这样其实就是降低了学习难度,又不会太艰涩难懂。
全新的机器学习课程,新增了近期最新的流形学习、强化学习、概念学习、无监督学习、统计学习等一线技术,完全掌握有一定挑战
===============课程目录
├─01.机器学习中的数学基础.mp4
├─02.机器学习的数学基础.mp4
├─03.机器学习中的哲学.mp4
├─04.机器学习中的数学基础.mp4
├─05.经典机器学习模型.mp4
├─06.经典机器学习模型.mp4
├─07.经典机器学习模型.mp4
├─08.线忄生模型.mp4
├─09.线忄生模型.mp4
├─10.核方法.mp4
├─11.核方法.mp4
├─12.统计学习.mp4
├─13.统计学习.mp4
├─14.统计学习.mp4
├─15.统计学习.mp4
├─16.无监督学习.mp4
├─17.流形学习.mp4
├─18.概念学习.mp4
├─19.神经网络.mp4
├─20.强化学习.mp4
(1)资料;目录中文件数:32个
├─10、核方法.pdf
├─11、核方法.pdf
├─12、统计学习.pdf
├─16、无监督学习.pdf
├─2、机器学习的数学基础.pdf
├─3、机器学习的哲学.pdf
├─4、机器学习的数学基础.pdf
├─5、经典机器学习模型.pdf
├─6、经典机器学习模型.pdf
├─7、经典机器学习模型.pdf
├─8、线忄生模型.pdf
├─第五课_代码.zip
|
|