李宏毅机器学习笔记打卡第一天

最新推荐文章于 2025-04-26 18:35:11 发布
最新推荐文章于 2025-04-26 18:35:11 发布
阅读量335 收藏 1
点赞数 1
分类专栏： 机器学习实战 文章标签： 机器学习 人工智能
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/ai_d_d/article/details/121345930
版权
这篇博客探讨了机器学习的概念，指出通过编程赋予机器学习能力，使其能够执行如语音识别、图像识别等任务，并通过比较不同算法来选择最佳功能进行图像识别。机器学习的应用正在不断拓展，挑战着传统观念中机器的局限性。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

Machine learning

机器是人类设定好的天生本能，永远无法超越创造者。

让机器具有学习的能力(write the program for learning)

语音辨识、图像辨识、playing go......

 

 比较之后挑选出最好的function

使用这个function进行图像识别

李宏毅《机器学习》笔记打卡第二天
xiangxiao的博客
11-17 951
Regression intput ===>function===>output Our goal is find a best function. Example Application ====>f(宝可梦)===>cp after evolution (y) A set of function : there will have many function: ...... Train data: input(x) output(y) ...
李宏毅机器学习课程笔记-1|优快云创作打卡
技术缝合怪的博客
02-06 636
李宏毅机器学习课程笔记
李宏毅机器学习笔记 1. 机器学习介绍
weixin_43983838的博客
08-16 325
找一个function，输入一张图片，然后输出图片里面有什么样的东西 function set(集合)，这个function里面有成千上万的function 有效率的演算法可以从function的set里面挑出最好的function 一个一个衡量function的好坏太花时间，实际上做不到。所以我们需要有一个好的演算法，从function set里面挑出一个最好的的function，这个最好的function将它记为f^*f ∗ ...
李宏毅机器学习打卡Task03：梯度下降
chensen99的博客
03-18 1136
b站学习视频地址：李宏毅《机器学习》_哔哩哔哩_bilibili 开源笔记：LeeML-Notes 偏差：描述的是预测值（估计值）的期望与真实值之间的差距。偏差越大，越偏离真实数据，如下图第二行所示。 方差：描述的是预测值的变化范围，离散程度，也就是离其期望值的距离。方差越大，数据的分布越分散，如下图右列所示。 在回归问题的第三步中，需要解决下面的最优化问题： θ∗=argmin​L(θ) 我们要找一组参数 θ，让损失函数越小越好，这个问题就可以用梯度下降法解决： ...
李宏毅深度学习笔记打卡P1-P2
wkywcd的博客
08-16 243
李宏毅深度学习笔记打卡P1-P2 机器学习介绍 人工智慧是想要达成的目标，机器学习是实现人工智能的手段，深度学习是机器学习的一部分。 机器学习=从数据中寻找一个程式 eg： 框架 1、准备一个程式集合，即模型（成千上万个程式） 2、训练资料，告诉机器看到某个输入应该输出什么 （用以判断一个模型的好坏），找到最好的程式 本课程将学习的内容： scenario取决于数据形式，输出不同用不同的task，在task中有不同的method。 回归：输出是一个数值 eg： 预测明天上午的PM2.5： 分类：
李宏毅机器学习课程笔记-2|优快云创作打卡
技术缝合怪的博客
02-06 773
李宏毅机器学习课程笔记
李宏毅机器学习笔记-2022spring
m0_46383834的博客
07-16 588
2022的暑假，借着学校机器视觉实验室招新的要求。学习一下一直以来想学的台湾国立大学的李宏毅机器学习。我自己Hexo博客对于Markdown里面的tex公式支持不是很好，所以我觉定发到优快云上。
李宏毅机器学习笔记 2.回归
weixin_43983838的博客
08-17 602
最近在跟着Datawhale组队学习打卡，学习李宏毅的机器学习/深度学习的课程。 课程视频：https://www.bilibili.com/video/BV1Ht411g7Ef 开源内容：https://github.com/datawhalechina/leeml-notes 本篇文章对应视频中的P3。另外，最近我也在学习邱锡鹏教授的《神经网络与深度学习》，会补充书上的一点内容。 通过上一次课1.机器学习介绍，我们了解到机器学习分为3个步骤1）define a set of function；2）g.
第一周机器学习笔记：机器学习三步曲、深度学习三步曲；PyTorch 学习——PyTorch环境配置、PyTorch学习的两大重要法宝、PyCharm及Jupyter使用以及区别
Zcymatics的博客
06-30 1667
这周主要学习了机器学习的一些基础知识，比如：机器的基本概念、training三步骤，并在最后进行了总结。此外，还学习了深度学习的知识，了解了sigmoid函数和ReLU函数这两个重要的激活函数，并且学习了深度学习的三个步骤。最后观看视频完成了pytorch的环境配置，并了解到了dir()与help()这两个对pytorch学习最为重要的函数。机器学习实际上并没有我们想象中的那么复杂，其实际上就是寻找一个函数输入的过程。
台大李宏毅机器学习 2020作业（一）：手写线性回归，实现多因素作用下的PM2.5预测
意疏的学习笔记
03-24 4629
前言
深度之眼pytorch打卡（四）| 台大李宏毅机器学习 2020作业（一）：线性回归，实现多因素作用下的PM2.5预测（Pytorch版手写+nn.Linear()）
意疏的学习笔记
04-14 3325
前言   这里主要是用Pytorch重新写一下李宏毅机器学习的作业一，那里主要是用pandas和numpy来实现的。本文不再有太多原理或者数据集的分析，那两篇文字里都有，这里和这里，以下就是一次用Pytorch工具来做机器学习的一次笔记。 https://blog.youkuaiyun.com/veritasalice/article/details/103890510 ...
大模型技术方向 Datawhale AI夏令营第四期Task01笔记
2301_79638883的博客
08-09 899
pandas是 Python 中一个强大的数据分析和操作库（数据处理与分析工具集），它提供了快速、灵活和表达力强的数据结构，使数据清洗和分析工作变得简单。大概1980年代以后，有了机器学习的方法。那么机器学习顾名思义，从名字就可以被猜出，就是让机器具有学习的能力。所以机器学习跟人工智慧之间什么关系呢？机器学习是人工智能的一个分支，它使计算机系统能够从数据中学习和改进，而不需要明确编程。李宏毅-机器学习教程中有一句话：“生物的行为取决于两件事，一个是后天学习的结果，不是后天学习的结果就是先天的本能。
Datawhale7月“吃瓜教程”Task01打卡
qqqqqqqin的博客
07-13 333
ps:本文为记录参与Datawhale-7月吃瓜教程的学习笔记 Task01——概览西瓜书+南瓜书1、2章 1 绪论 1.1 引言 通过根据已有的经验来预测判断西瓜“好坏”与否来引入机器学习的概念。 机器学习：一门致力于研究如何通过计算的手段，利用经验来改善系统自身的性能。 1.2 基本术语 数据集（data set）：一组记录的集合。 示例（instance）/样本（example）：数据集中的一条对事件或对象的记录。 属性（attrribute）/特征（fe
AI编程案例拆解|基于机器学习XX评分系统-后端篇
最新发布
qq_42320804的博客
04-26 564
AI编程案例拆解|基于机器学习XX评分系统-后端篇
机器学习的基本概念
搏博的专栏
04-26 1143
在这一阶段中，符号学习的研究也取得了很大进展，它与连接学习各有所长，具有较大的互补性。1980年他在卡内基-梅隆大学召开的机器学习研讨会上做了“为什么机器应该学习”的发言，在此发言中他把学习定义为：学习是系统中的任何改进，这种改进使得系统在重复同样的工作或进行类似的工作时，能完成得更好。在20世纪80年代，由于对智能机器人的研究取得了一定的进展，同时又出现了一些发现系统，于是人们开始把学习看作是从感性知识到理性知识的认识过程，从表层知识到深层知识的特化过程，即发现事物规律、形成理论的过程。
【漫话机器学习系列】225.张量（Tensors）
IT古董
04-26 453
在机器学习和深度学习领域，无论是使用 TensorFlow、PyTorch 还是其他框架，我们都会频繁遇到一个术语：张量（Tensor）。但很多初学者对张量的理解只停留在“好像是数组？”的阶段。实际上，张量既简单又强大，它是支撑现代深度学习系统的基础。
深入详解人工智能数学基础——微积分中拉格朗日乘数法在GAN训练中的应用
编程技术探索者，分享C/C++、C#、Java、数据库等开发经验，聚焦实战技巧与AI兴趣，助力编程爱好者成长。
04-26 175
优化问题在人工智能中无处不在，无论是模型参数的训练、损失函数的最小化，还是资源分配，都涉及到优化。一般来说，优化问题可以分为无约束优化和有约束优化两类。无约束优化：仅需最小化（或最大化）目标函数，无需考虑其他条件。min⁡xfxxmin​fx有约束优化：在最小化（或最大化）目标函数的同时，还需满足一定的约束条件。
数据为基：机器学习中数值与分类数据的处理艺术及泛化实践
青蛙博客
04-23 661
在机器学习实践中，数据质量对模型效果的影响往往超过算法选择。本文通过详实的案例解析，系统阐述数值型数据与分类数据的特征工程处理方法，揭示数据预处理对模型泛化能力的关键作用。文章深入探讨数值数据的标准化与分箱策略，分类数据的编码优化方案，并通过房价预测、用户流失分析等实际案例，展示如何通过合理的数据转换规避过拟合风险。
SVM（支持向量机）
pljnb的博客
04-21 480
将不同类别的样本分隔开。SVM的核心目标是找到一个。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

会掉头发

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值