机器学习基础

1.动手学习深度学习课程安排及深度学习数学基础

李沐目录目标内容将学到什么1.N维数组样例2.访问2维数组元素3.数据操作4.线性代数5.矩阵计算6.自动求导目标介绍深度学习景点和最新模型LeNetAlexNetVGGResNetLSTMBERT…机器学习基础损失函数
Unknown To Known·2025-03-11 21:09

PyTorch 学习路线

机器学习基础：理解神经网络、损失函数、优化器（如梯度下降）等概念。学习资源Python入门：Python官方教程机器学习基础
gorgor在码农·2025-03-09 22:07

Python 机器学习 基础 之 算法链与管道 【算法链与管道/预处理进行参数选择/构建管道/在网格搜索中使用管道】的简单说明

Python机器学习基础之算法链与管道【算法链与管道/预处理进行参数选择/构建管道/在网格搜索中使用管道】的简单说明目录Python机器学习基础之算法链与管道【算法链与管道/预处理进行参数选择/构建管道
仙魁XAN·2025-03-08 03:03

机器学习基础（4）

超越基于常识的基准除了不同的评估方法，还应该利用基于常识的基准。训练深度学习模型就好比在平行世界里按下发射火箭的按钮，你听不到也看不到。你无法观察流形学习过程，它发生在数千维空间中，即使投影到三维空间中，你也无法解释它。唯一的反馈信号就是验证指标，就像隐形火箭的高度计。特别重要的是，我们需要知道火箭是否离开了地面。发射地点的海拔高度是多少？模型似乎有15%的精度——这算是很好吗？在开始处理一个数据
yyc_audio·2025-03-07 23:42

Python 机器学习 基础 之 模型评估与改进 【评估指标与评分】的简单说明

Python机器学习基础之模型评估与改进【评估指标与评分】的简单说明目录Python机器学习基础之模型评估与改进【评估指标与评分】的简单说明一、简单介绍二、评估指标与评分1、牢记最终目标2、二分类指标1
仙魁XAN·2025-03-06 18:38

机器学习—赵卫东阅读笔记（一）

第一章：机器学习基础1.1.2机器学习主要流派1.符号主义2.贝叶斯分类——基础是贝叶斯定理3.联结主义——源于神经学，主要算法是神经网络。
走在考研路上·2025-03-06 10:29

Python在机器学习与数据分析领域的深度应用：从基础到实战

本文将深入探讨Python在机器学习和数据分析领域的应用，涵盖机器学习基础概念、Pandas库的使用技巧、数据分析实
CodeJourney.·2025-03-06 09:54

初学者推荐学习AI的路径

以下是一个简要的路径：1️⃣基础知识数学基础（线性代数、微积分、概率统计）编程基础（Python/R等语言）算法与数据结构2️⃣机器学习基础理解监督学习（如回归、分类）、无监督学习（如聚类、PCA）掌握机器学习库
ProgramHan·2025-02-25 09:05

机器学习基础

了解机器学习的基本概念，如监督学习、无监督学习、强化学习、模型评估指标（准确率、召回率、F1分数等）。机器学习（MachineLearning，ML）是人工智能（AI）的一个分支，它使计算机能够通过数据和经验自动改进，而无需明确编程。机器学习可以根据学习方式和数据的有无，分为以下几种基本类型：1.监督学习（SupervisedLearning）监督学习是一种机器学习类型，其中模型通过带标签的数据进
dringlestry·2025-02-23 21:50

【机器学习基础】第六课：线性回归

【机器学习基础】系列博客为参考周志华老师的《机器学习》一书，自己所做的读书笔记。1.线性模型基本形式给定由ddd个属性描述的示例x=(x1;x2;...
x-jeff·2025-02-22 12:43

机器学习课程的常见章节结构

以下是机器学习课程的常见章节结构，结合了搜索结果中的信息：1.机器学习基础知识机器学习的定义与分类监督学习、无监督学习、半监督学习、强化学习机器学习的产生与发展机器学习的历史与现代应用经验误差与过拟合过拟合与欠拟合的概念及解决方案评估方法与性能度量交叉验证
zhangfeng1133·2025-02-21 14:24

【自学笔记】机器学习基础知识点总览-持续更新

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录机器学习重点知识点总览一、机器学习基础概念二、机器学习理论基础三、机器学习算法1.监督学习2.无监督学习3.强化学习四、机器学习处理流程五
Long_poem·2025-02-19 02:23

深度学习与图像识别：机器学习基础之回归

1.线性回归1.1一元线性回归1.2多元线性回归2.逻辑回归与线性回归的不同在于其将最终预测值y固定在一个范围之中2.1Sigmoid函数sigmoid函数表达式：p为预测出来的概率，范围在0-1之间，一般用于处理二分类问题，因为这个式子的一个显著特征在于：当z=0,p=0.5当z>0,p>0.5当z<0,p<0.5所以当对z进行多元线性回归表示的时候，以p的值来反映y_pre是一个不错的选择，此
Shenrn_·2025-02-18 14:34

【一起看花书1.3】——第5章 机器学习基础

先验是“知识”，是合理的假设本文内容对应于原书的5.7-5.11共5小节内容，其中知识性、结论性的内容偏多，也加入了点个人见解。目录：5.7监督学习5.8无监督学习5.9随机梯度下降5.10构建机器学习算法5.11深度学习发展的动力5.7监督学习监督学习，本质上是复杂函数的拟合，即给定特征xxx,我们需要得到标签yyy，这不就是求一个函数的拟合嘛？线性回归是比较简单的，从高代、概率论就可以理解，甚
应有光·2025-02-14 17:03

python 学习路线

学习顺序《python编程：从入门到实践》《Head-FirstPython》《“笨方法”学python3》《PythonCookbook》《Python机器学习基础教程》《FluentPython》《
Coding Happily·2025-02-13 11:05

雷军力荐学 AI，背后隐藏着怎样的时代密码？

目录一、本篇背景：二、AI发展现状与趋势：2.1AI发展历程回顾：2.2当前AI应用领域：2.3AI未来发展趋势：三、AI核心技术剖析：3.1机器学习基础：3.2深度学习核心：3.3自然语言处理要点：3.4
羑悻的小杀马特.·2025-02-10 10:35

AI学习专题（一）LLM技术路线

梯度下降、拉格朗日乘子法）编程&框架Python（NumPy、Pandas、Matplotlib）PyTorch&TensorFlow基础HuggingFaceTransformers入门深度学习基础机器学习基础
王钧石的技术博客·2025-02-10 01:39

为什么要学习AI/机器学习

正在重塑各个行业投资持续增长应用场景不断扩大技术革新频繁市场需求人才缺口大薪资水平高职业发展空间广创业机会多技术延展性与多个领域结合持续创新空间大知识迁移性强解决实际问题能力强2.推荐学习路线基础知识Python编程机器学习基础深度学习
数字沉思·2025-02-09 21:09

深度学习篇---深度学习相关知识点&关键名词含义

文章目录前言第一部分:相关知识点一、基础铺垫层（必须掌握的核心基础）1.数学基础•线性代数•微积分•概率与统计2.编程基础3.机器学习基础二、深度学习核心层（神经网络与训练机制）1.神经网络基础2.激活函数
Ronin-Lotus·2025-02-06 21:21

机器学习--概览

一、机器学习基础概念1.定义机器学习（MachineLearning,ML）：通过算法让计算机从数据中自动学习规律，并利用学习到的模型进行预测或决策，而无需显式编程。
kyle~·2025-02-04 03:11

Python 机器学习 基础 之 【常用机器学习库】 NumPy 数值计算库

Python机器学习基础之【常用机器学习库】NumPy数值计算库目录Python机器学习基础之【常用机器学习库】NumPy数值计算库一、简单介绍二、Numpy基础1、安装NumPy2、导入NumPy3、
仙魁XAN·2025-02-01 05:17

【DL】神经网络与机器学习基础知识介绍（一）

原博客：https://mengwoods.github.io/post/dl/009-dl-fundamental/文章目录基本通用概念梯度下降算法数据工程训练技术偏差与方差防止过拟合评估指标决策树基本通用概念机器学习的类型：监督学习（SupervisedLearning）：分类，回归无监督学习（UnsupervisedLearning）：聚类，降维强化学习（ReinforcementLearn
MengWoods·2025-01-30 01:01

Python前沿技术：机器学习与人工智能

二、Python机器学习基础2.1机器学习概述机器学习是人工智能（AI）的一个关键子集，它的核心在于让
4.0啊·2024-09-15 05:14

如何有效的学习AI大模型？

理论学习：机器学习基础：了解监督学习、非监督学习、强化学习等基本概念。深度学习：学习神经网络的基本结构，如卷
Python程序员罗宾·2024-09-14 15:37

深度学习算法，该如何深入，举例说明

理论上，深入理解深度学习需要掌握数学基础（如线性代数、概率论、微积分）、机器学习基础和深度学习框架原理。实践上，可以通过实现和优化深度学习模型来提升技能。
liyy614·2024-09-11 14:12

Python 机器学习 基础 之 数据表示与特征工程 【分箱、离散化、线性模型与树 / 交互特征与多项式特征】的简单说明

Python机器学习基础之数据表示与特征工程【分箱、离散化、线性模型与树/交互特征与多项式特征】的简单说明目录Python机器学习基础之数据表示与特征工程【分箱、离散化、线性模型与树/交互特征与多项式特征
仙魁XAN·2024-09-07 13:19

机器学习基础（四）——决策树与随机森林

决策树与随机森林文章目录决策树与随机森林一、知识概要（一）二、决策树使用的算法三、sklearn决策树API四、决策树的案例1.数据清洗2.特征工程3.调用决策树API五、集成学习方法-随机森林1.知识概要（二）2.集成学习API3.随机森林的案例importpandasaspdfromsklearn.feature_extractionimportDictVectorizerfromsklear
Bayesian小孙·2024-08-30 03:43

【机器学习基础】Anaconda与Pycharm使用

这里写目录标题指定py版本安装包指定py版本安装包condaenvlistactivatexxxcondalistpipinstallxxx
叫我东方小巴黎·2024-08-28 12:16

Datawhale X 李宏毅苹果书 AI夏令营｜机器学习基础之案例学习

机器学习（MachineLearning,ML）：机器具有学习的能力，即让机器具备找一个函数的能力函数不同，机器学习的类别不同：回归（regression）：找到的函数的输出是一个数值或标量（scalar）。例如：机器学习预测某一个时间段内的PM2.5，机器要找到一个函数f，输入是跟PM2.5有关的的指数，输出是明天中午的PM2.5的值。分类（classification）：让机器做选择题，先准备
Monyan·2024-08-28 11:06

应用数学与机器学习基础 - 线性代数篇

线性代数1.标量、向量、矩阵、张量学习线性代数，会涉及以下几个数学概念：标量（scalar）：定义：一个标量就是一个单数的数，不同于线性代数中大多数概念会涉及到多个数。表示法：我们用斜体表示标量。标量通常赋予小写的变量名称。当我们介绍标量时，会明确它们是哪种类型的数。比如，在定义实数标量时，我们可能会说”让s∈Rs\in\mathbb{R}s∈R表示一条线的斜率“；在定义自然数标量时，我们可能会说
绎岚科技·2024-08-28 05:31

机器学习基础篇（八）——逻辑回归

机器学习基础篇（八）——逻辑回归一、简介分类问题是机器学习中常见的一种问题，而逻辑回归则是非常适合二分类问题的一种算法。逻辑回归可以将数据集中的点划分成为两个类别。例如，我们可以将数据分成A类和B类。
柚子味的羊·2024-08-23 04:46

深度学习如何入门？

（3）了解机器学习基础，包括监督学习和非监督学习的概念、模型评估与选择等。学习深度学习理论：（1）理解神经网络的基本组成，如神经元、激活函数
nanshaws·2024-03-13 07:29

【机器学习基础】正则化

本专栏针对机器学习基础专栏的理论知识，利用python代码进行实际展示，真正做到从基础到实战！
为梦而生~·2024-02-25 02:40

机器学习基础（一）理解机器学习的本质

导读：在本文中，将深入探索机器学习的根本原理，包括基本概念、分类及如何通过构建预测模型来应用这些理论。目录机器学习机器学习概念相关概念机器学习根本：模型数据的语言：特征与标签训练与测试：模型评估机器学习的分类监督学习：有指导的学习过程非监督学习：自我探索的过程强化学习：通过试错学习构建与分析鸢尾花数据模型鸢尾花数据集简介加载数据集创建和训练模型进行预测与评估模型机器学习机器学习概念机器学习是人工智
昊昊该干饭了·2024-02-20 21:38

【深度学习】讲透深度学习第3篇：TensorFlow张量操作（代码文档已分享）

可以让大家熟练掌握机器学习基础,如分类、回归（含代码），熟练掌握numpy,pandas,sklearn等框架使用。
·2024-02-11 18:34

四、机器学习基础概念介绍

四、机器学习基础概念介绍1_机器学习基础概念机器学习分类1.1有监督学习1.2无监督学习2_有监督机器学习—常见评估方法数据集的划分2.1留出法2.2校验验证法（重点方法）简单交叉验证K折交叉验证（单独流出测试集
ITS_Oaij·2024-02-10 21:39

【机器学习 & 深度学习】开发工具Anaconda的安装与使用

专栏：机器学习：相对完整的机器学习基础教学！
为梦而生~·2024-02-10 01:47

跨模态行人重识别都需要学什么

机器学习基础：
ALGORITHM LOL·2024-02-09 22:04

ChatGPT学习大纲

人工智能与机器学习基础学习AI和机器学习的基本概念，为理解
冷暖从容·2024-02-07 19:34

机器学习概述及流程

概述一、目标1、掌握机器学习基础环境安装2、掌握常用的科学计算库对数据进行展示、分析二、人工智能三要素1、数据2、算法2、算力：CPU适合I/O密集型程序，GPU适合计算密集型和易于并行的程序。
机智的冷露·2024-02-06 19:36

机器学习基础——matplotlib.pyplot和seaborn的使用

importmatplotlib.pyplotaspltimportnumpyasnp第一步生成数据集x=np.linspace(-3,3,50)#平均采样,[-3,3]采样50个x.shape(50,)y1=2*x+1y1.shape(50,)y2=x**2y2array([9.00000000e+00,8.28029988e+00,7.59058726e+00,6.93086214e+00,6
小螳螂·2024-02-05 19:04

【深度学习】讲透深度学习第3篇：TensorFlow张量操作（代码文档已分享）

可以让大家熟练掌握机器学习基础,如分类、回归（含代码），熟练掌握numpy,pandas,sklearn等框架使用。
程序员一诺·2024-02-05 05:52

机器学习入门-----sklearn

机器学习基础了解概念机器学习是人工智能的一个实现途径深度学习是机器学习的一个方法发展而来定义：从数据中自动分析获得模型，并利用模型对特征数据【数据集：特征值+目标值构成】进行预测算法数据集的目标值是类别的话叫做分类问题
辣椒酱.·2024-02-03 07:30

【机器学习】科学库使用手册第2篇：机器学习任务和工作流程（已分享，附代码）

主要内容包括，了解机器学习定义以及应用场景，掌握机器学习基础环境的安装和使用，掌握利用常用的科学计算库对数据进行展示、分析，学会使用jupyternotebook平台完成代码编写运行，应用Matplotlib
程序员一诺·2024-02-02 22:40

【深度学习】从0完整讲透深度学习第2篇：TensorFlow介绍和基本操作（代码文档已分享）

可以让大家熟练掌握机器学习基础,如分类、回归（含代码），熟练掌握numpy,pandas,sklearn等框架使用。
程序员一诺·2024-02-02 22:09

2024-01-06-AI 大模型全栈工程师 - 机器学习基础

摘要2024-01-06阴杭州晴本节简介:a.数学模型&算法名词相关概念;b.学会数学建模相关知识；c.学会自我思考，提升认知，不要只会模仿；课程内容1.Fine-Tuning有什么作用？a.什么是模型训练（Training）b.什么是模型预训练（Pre-Training）c.微调（Fine-Tuning）d.轻量化微调（ParameterEfficientFine-Tuning,PEFT）2.什
流雨声·2024-02-02 10:42

机器学习基础、数学统计学概念、模型基础技术名词及相关代码个人举例

1.机器学习基础（1）机器学习概述机器学习是一种人工智能（AI）的分支，通过使用统计学和计算机科学的技术，使计算机能够从数据中学习并自动改进性能，而无需进行明确的编程。
是lethe先生·2024-02-02 07:09

2024-01-06-AI 大模型全栈工程师 - 机器学习基础

摘要2024-01-06阴杭州晴本节简介:a.数学模型&算法名词相关概念;b.学会数学建模相关知识；c.学会自我思考，提升认知，不要只会模仿；课程内容1.Fine-Tuning有什么作用？a.什么是模型训练（Training）b.什么是模型预训练（Pre-Training）c.微调（Fine-Tuning）d.轻量化微调（ParameterEfficientFine-Tuning,PEFT）2.什
流雨声·2024-02-02 07:06

【机器学习 & 深度学习】卷积神经网络简述

相对完整的机器学习基础教学！⭐特别提醒：针对机器学习，特别开始专栏：机器学习python实战欢迎订阅！本专栏针对机器学习基础专栏的理论知识，利用python代码进行实际展示，真正做到从基础到实战！
为梦而生~·2024-02-02 05:02

【Python基础 & 机器学习】Python环境搭建（适合新手阅读的超详细教程）

重要专栏：机器学习：相对完整的机器学习基础教学！
为梦而生~·2024-02-02 05:00
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他