百面机器学习--Hulu

以下内容为转发Hulu公众号的链接,更全内容可查看书籍

  • 0 序
  • 1 模型评估
  • 2 SVM模型
  • 3 优化简介
  • 4 采样
  • 5 余弦距离
  • 6 PCA算法
  • 7 非监督学习算法与评估
  • 8 强化学习(一),强化学习(二)
  • 9 循环神经网络
  • 10 LSTM
  • 11 Seq2Seq
  • 12 注意力机制
  • 13 集成学习
  • 14 如何对高斯分布进行采样
  • 15 多层感知机与布尔函数
  • 16 经典优化算法
  • 17 随机梯度下降算法之经典变种
  • 18 SVM—核函数与松弛变量
  • 19 主题模型
  • 20 PCA最小平方误差理论
  • 21 分类、排序、回归模型的评估
  • 22 特征工程—结构化数据
  • 23 神经网络训练中的批量归一化
  • 24 随机梯度下降法
  • 25 初识生成式对抗网络(GANs)
  • 26 隐马尔科夫模型
  • 27 自组织映射神经网络
  • 28 概率图模型
  • 29 WGANs:抓住低维的幽灵
  • 30 常见的采样方法

你可能感兴趣的:(百面机器学习--Hulu)