machine learning

最新推荐文章于 2025-08-14 12:19:48 发布

转载最新推荐文章于 2025-08-14 12:19:48 发布 · 73 阅读

文章标签：

#人工智能

从Coursera的Andrew Ng课程入门，结合台湾大学林轩田老师的基础与技法，辅以李航《统计学习方法》及周志华《机器学习》，实战《机器学习实战》，挑战Kaggle竞赛，深入PR理论。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

cousera-Andrew NG的机器学习足够入门
cs229
台湾大学林轩田老师的机器学习基石和机器学习技法
结合李航的<<统计学习方法>>和周志航的<<机器学习>>

看完之后看<<机器学习实战>>
之后去kaggle打比赛,

再想深了看看pr

关注博主即可阅读全文

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

weixin_34130269

关注关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

Programming Machine Learning Coding-From Deep Learning

Alexquyun的专栏

06-26

954

《Programming Machine Learning》这本书是为开发者编写的机器学习入门书籍，旨在帮助开发者理解机器学习的基本原理，并能够编写自己的机器学习程序。书中的例子使用Python语言，从最基础的线性回归开始，逐步引导读者构建复杂的机器学习系统。内容包括监督学习、神经网络和深度学习，并且所有代码都是从零开始编写的，以帮助读者深入理解每一行代码的含义。

Federated Learning: Collaborative Machine Learning without Centralized Training Data

zhangkun5315的博客

12-05

1179

Keywords:Collaboration Machine Learning On-device Learning optimization

参与评论您还未登录，请先登录后发表或查看评论

Machine Learning Model

GRF-Sunomikp31

11-13

988

机器学习分类

Machine Learning 期刊投稿记录

qq_24694365的博客

01-15

1138

Machine Learning 期刊投稿记录以及遇到的问题

Machine Learning Engineering Open Book 机器学习工程开放书

AI工程化、开源分享、文档翻译、代码笔记

01-31

1149

一、关于 Machine Learning Engineering Open Book 二、书籍目录三、关键对照表四、快捷方式

interpretable machine learning

travalscx的博客

12-02

2401

最近入了可解释机器学习的坑。 Stop explaining black box machine learning models for high stakes decisions and use interpretable models instead 1.模型的准确度和可解释度成反比，accuracy/ interpretability/explainability trade-off。有图...

Machine learning

梦家の博客

10-07

750

Four branches of machine learning Supervised learning optical character recognition speech recognition image classification language translation Sequence generate Given a picture, predict a caption...

Pattern Recognition and Machine Learning中文版下载仓库推荐

gitblog_06747的博客

05-09

605

Pattern Recognition and Machine Learning中文版下载仓库推荐【下载地址】PatternRecognitionandMachineLearning中文版下载仓库介绍探索机器学习和模式识别的经典之作，《Pattern Recognition and Machine Learning》...

Hands-on Machine Learning with Scikit-Learn,Keras & TensorFlow

naozibuok的博客

11-27

1702

读书记录。

AI, Machine Learning, Deep Learning 和 Generative AI

一杯水果茶！足矣~

11-10

1111

人工智能的采用开始得相当缓慢，大多数人甚至不知道它的存在，即使知道，也似乎还需要 5 到 10 年的时间，但后来机器学习、深度学习等东西出现了，我们开始看到一些应用，然后基础模型出现了。

Probabilistic Machine Learning

09-22

概率机器学习（Probabilistic Machine Learning）是机器学习领域中一个重要的分支，它将概率论和机器学习结合起来，旨在处理不确定性和随机性问题。概率机器学习的主要目标是开发能够从数据中学习的概率模型，以便...

Machine Learning for Kids

07-04

《Machine Learning for Kids》是一本专门为孩子们准备的书籍，作者Dale Lane通过一系列有趣且易于理解的项目，将复杂的机器学习概念变得简单易懂。本书的出版旨在激发儿童对人工智能的兴趣，并帮助他们掌握这一领域...

MATLAB工具库Statistics and Machine Learning Toolbox使用说明和案例

12-11

Statistics and Machine Learning Toolbox是MATLAB中的一款专业工具库，专门用于统计分析和机器学习，提供了从数据预处理到模型建立再到结果分析的全套解决方案。该工具库包括但不限于以下功能：统计分析、假设...

Machine Learning Design Patterns

11-22

"Machine Learning Design Patterns" 《Machine Learning Design Patterns》是一本关于机器学习设计模式的书籍，作者是Valliappa Lakshmanan, Sara Robinson和Michael Munn。该书的主要内容是解决数据准备、模型...

《Approaching (Almost) Any Machine Learning Problem》

09-13

Approaching (Almost) Any Machine Learning Problem是一本旨在帮助读者掌握机器学习问题解决方法的书籍。这本书涵盖了机器学习的基本概念、模型选择、数据预处理、特征工程、模型评估等多方面的知识点。机器学习...

【15】Transformers快速入门：添加自定义 Token

叫好与叫座虽然不是对立面，但想在同一个作品中达到双重效果很难。

08-13

1515

预训练模型的词表是固定的。它不认识你自定义的特殊标记（如实体标记、领域术语、新表情符号等）。掌握如何向预训练模型的分词器和词表中添加新的 Token（包括普通 Token 和特殊 Token），理解其对模型的影响，并学会正确调整模型权重。新 Token 的 ID（30523, 30524）在模型的 Embedding 矩阵里。想象一下，你给模型一个任务：“找出文本里的汽车和隧道实体”。增加了词表大小（比如从 30522 增加到 30524），模型的 Embedding 矩阵（这里标记了一个实体！

敏感数据目录是什么？如何快速构建企业自身的敏感数据目录

yuandiansec的博客

08-13

1421

敏感数据目录能力是数据安全的起点

【论文阅读】基于表面肌电信号的下肢多关节运动估计：一种深度卷积神经网络方法

最新发布

qq_60423839的博客

08-14

738

本文提出一种基于多通道表面肌电信号(sEMG)和深度卷积神经网络(CNN)的下肢多关节运动估计方法。研究采集了骑行和步行任务中的7通道sEMG信号，通过带通滤波、全波整流等预处理后构建CNN模型，用于估计髋、膝、踝关节角度。实验结果表明，所提CNN模型在骑行任务中三个关节的估计均方根误差分别为3.8886°、2.8199°和3.1148°，精度显著优于传统BPNN和RBFNN模型。该研究为下肢康复外骨骼的人机交互控制提供了理论基础，未来将探索sEMG时频特征对模型的影响及非理想环境下的意图识别问题。

从静态模型到数字生命体：自进化AI Agent综述

zenRRan的博客

08-13

1109

部署后无法适应动态环境（如用户需求变化、新工具出现）。例如，医疗诊断智能体遇到新疾病时需工程师手动调整，效率低下。近年大型语言模型（LLM）的突破催生了AI智能体的发展，它们能自主规划、使用工具解决复杂任务（如编程、科研）。：树状思维（Tree-of-Thought）探索多推理路径，避免单一错误。：将自然语言反馈视为“梯度”，反向优化提示（如TextGrad框架）。：将提示视为基因，通过突变、交叉筛选最优解（如EvoPrompt）。：AI智能体不仅是工具，更是能持续学习、适应、协作的“数字生命体”。

机器学习算法精选集 - Awesome Machine Learning

资源摘要信息: "awesome-machine-learning-master_machinelearning_" 在这个摘要中，我们将详细介绍机器学习领域的重要知识点。首先，我们要了解"awesome-machine-learning-master_machinelearning_"这个标题所指的...