здесь я упомянул пошаговое руководство. Вы нажимаете на тему и перемещаете ее в блог, читаете концепцию и совершенствуете свои навыки машинного обучения.
- Потребность в машинном обучении, основные принципы, приложения, проблемы
- Виды машинного обучения
- "Линейная регрессия"
- Логистическая регрессия (бинарная классификация)
- К-Ближайшие соседи
- "Древо решений"
- Случайный лес
- Усиление градиента (XGboost)
- Машины опорных векторов
- Меры оценки классификации (Точность, Точность, Отзыв, Метрики путаницы) Переобучение и недообучение
- Представление нейронной сети (обучение персептрона)
- Сверточные нейронные сети
- Рекуррентные нейронные сети
- Настройка гиперпараметров
- Уменьшение размерности (PCA, SVD)
- Кластеризация (кластеризация K-средних, иерархическая кластеризация)
- Обнаружение аномалий
- Изучение правил ассоциации
- Основы обучения с подкреплением и приложения
- Кью-обучение
- Системы рекомендаций
Это мой блог об учебнике по машинному обучению, который поможет вам легко изучить концепции машинного обучения. Этот блог поможет вам сдать экзамены и расширить свои знания в области машинного обучения. Я работаю еще над некоторыми концепциями машинного обучения и некоторыми практическими проектами. Я сообщу вам, как только они закончатся. Для тех практических проектов, подпишитесь на мой профиль Medium.
«Я никогда не мечтал об успехе. Я работал на это».