搜索资源列表
cs229-notes1
- 机器学习入门，斯坦福大学吴恩达教授机器学习视频第一课讲义，全英文。(Introduction to machine learning, Professor Wu Enda, Stanford University, machine learning video lesson 1 lecture notes, all english.)
神经网络与深度学习讲义20151211
- 讲解了神经网络原理和和机器学习有关知识，和入门学习所需要的数学基础知识(Explains the principles of neural networks and the basic knowledge required)
Stanford Universtiy Machine Learning
- 吴恩达的机器学习的讲义，包括了个人笔记。注意：都是英文版本(machine learning course material)
abu-master(2)
- 机器学习算法进行数据分析，基于python语言(Data analysis by machine learning algorithm)
吴恩达课程讲义_中文版
- 吴恩达的机器学习课程中文讲义，对于机器学习的初学者很有帮助。(Andrew Y. Ng's Chinese lecture on the course of machine learning is very helpful for the beginners of machine learning)
机器学习个人笔记
- 深度学习：一种基于无监督特征学习和特征层次结构的学习方法，此笔记中指出了一些初学者容易犯的错误(Deep learning: a learning method based on unsupervised feature learning and characteristic hierarchy, which points out some mistakes that beginners can make easily.)
PRML 模式识别与机器学习 中文版
- 寻找数据中的基本规律，找出机器学习的规律。通过运行验收。(When a large feedforward neural network is trained on a small training set, it typically performs poorly on held-out test data.)
MATLAB and Machine learning
- MATLAB与机器学习，包含机器学习简介，快速入门，应用监督式学习，应用无监督学习(MATLAB and Machine Learning, including Machine Learning Introduction, Quick Start, Application Supervised Learning, Application Unsupervised Learning)
利用python进行数据分析
- 帮助机器学习新手快速掌握机器学习中python的重要库 numpy和pandas 和数据预处理
机器学习概述
- 机器学习是运用已存有的知识对已有问题的求解，本文是知网的文献，大致介绍了机器学习内容
4.Python_代码
- 机器学习与数据分析 python算法代码 机器学习基础入门(machine learning and data analysis)
机器学习算法间隔分类
- 这个机器学习算法具有广泛的应用性，推荐给需要的人！
机器学习_吴恩达
- 配套吴恩达机器学习的视频看了下，都是很基础的，很适合入门。
机器学习教程
- 本书提供了机器学习中python编程的内容，可供机器学习、人工智能从业者学习使用
机器学习实战-中文版
- 机器学习实战-中文版，使用python代码进行编程。
一份关于机器学习“模型再训练”的终极指南
- 机器学习模型的训练，通常是通过学习某一组输入特征与输出目标之间的映射来进行的。一般来说，对于映射的学习是通过优化某些成本函数，来使预测的误差最小化。
将机器学习整合到专用服务器中有哪些优势
- 机器学习正以各种方式改变着网络托管行业。许多第三方托管服务提供商，如AWS公司已经开始以不同的能力利用机器学习技术。Amazon Sagemaker是机器学习工具之一，它改变了平台向客户提供的服务。Hotels.com公司副总裁兼首席数据科学官Matthew Fryer对这项机器学习服务给予了高度评价。并指出使用专用服务器进行机器学习如今变得越来越重要。
关于机器学习的十大经典算法
- C4.5算法是机器学习算法中的一种分类决策树算法,其核心算法是ID3算法.C4.5算法继承了ID3算法的优点，并在以下几方面对ID3算法进行了改进：1)用信息增益率来选择属性，克服了用信息增益选择属性时偏向选择取值多的属性的不足;
【图解机器学习】人人都能懂的算法原理
- 算法公式挺费神，机器学习太伤人。任何一个刚入门机器学习的人都会被复杂的公式和晦涩难懂的术语吓到。但其实，如果有通俗易懂的图解，理解机器学习的原理就会非常容易。本文整理了一篇博客文章的内容，读者可根据这些图理解看似高深的机器学习算法。
为什么说对象存储适合人工智能和机器学习
- 如今，各种类型的企业都致力于采用人工智能和机器学习项目，但要发挥其真正的潜力，则需要克服重大的技术障碍。虽然计算基础设施通常是重点，但存储设施也同样重要。以下是对象存储(而不是文件或块存储)适用在加强人工智能和机器学习工作负载的