Lecture 1: The Learning Problem

Lecture 1: The Learning Problem

一切截图均来源于课程讲义

  1. ML简明流程
    Lecture 1: The Learning Problem

  2. ML：让机器自己学习，回避人为去定义过于复杂的规律，“学习学习”

  3. 决定是否使用ML 的三要素
    确实有规律可循、很难人为定义、有已知相关数据
    Lecture 1: The Learning Problem

  4. ML的多方面应用（everywhere）

  5. ML的基本组成部分
    输入、输出
    数据
    目标函数f（）、hypoyhesis - g（）
    Lecture 1: The Learning Problem

  6. ML的流程
    Lecture 1: The Learning Problem

  7. ML与Data Mining、AI和Statistics关系

相关文章：

猜你喜欢
相关资源
相似解决方案
热门标签
Java Python linux javascript Mysql C# Docker 算法 前端 SpringBoot Redis Vue spring 设计模式 .net core .net kubernetes c++ 数据库 数据结构 大数据 js 机器学习 微服务 Android Go 程序员 面试 JVM ASP.net core 云原生 人工智能 后端 PHP git CSS golang k8s Nginx Django mybatis 深度学习 多线程 React 架构 devops 爬虫 云计算 Spring Boot LeetCode