ML_Structure
Introduction
Data Scientist定义及要求
DM-ML历史
商业问题转化为ML技术
场景驱动
MLvs传统program
ML-Resource
ML边界问题
ML应用
理论及套路
范数-正则化
ML套路
ML Flown
Feature Engineer
Preprocess
FeatureSelection
SBS
Random forest判定特征的重要性
Dim Reduce
sklearn.Preprocess
范数正则化L1L2
特征类型
EDA
Pre-process
Algrithm and Model
Linear Regression
Optimization Algorithm
GD-梯度下降
Model Evaluation and Selection
sklearn中关于参数优化问题
Dimension Reduction
PCA
LDA
Manifold
Metric Learning
特征工程
概念与术语
Math
test
Math基础概念
概率-统计1
概率分布1
最小二乘法
概率分布2
最大似然估计
Math字典
协方差矩阵
中心极限定理
NP问题
ML框架
实验指南
Scikit-learn
scikit Notes
Neural Network
Tensorflow
Note Tensorflow
基本概念一
基本概念二
基本概念三
TensorBoard
CNN - in Action
TensorLayer
深度神经网络架构
CNN
CNN Summary
CS231n
RNN
LSTM
Attention
GAN
Autoencoder
Recursive NN
深度学习遇到的难题
Model
kNN
SVM
Bayes
GA遗传算法
K-means-高斯混合模型GMM
EM-通俗版
BP
降维算法
PCA
t-SENCE
Decision Tree
项目
DL - AndrewNg-Coursera
第三周-浅层神经网络
3.6-3.7 Activate function
3.10 直观理解backpro
3.11 Random Initialization
4.4 Getting Matrix Dim right
4.4 Why Deep Representation
4.7 parameter & hyper parameter
改善深层神经网络：超参数调试、正则化以及优化
1.1Train/dev/test set
1.2 Bias / Variance
FAST.AI
AWS
Lesson1
Lesson2
Lesson3
Pytorch
Pytorch install
CNN套路
Pytorch 疑问
Reinforcement Learning
2-MDP
Data Scientist 的标准
Objective
Excellent blog
Powered by
GitBook
4.4 Getting Matrix Dim right
检查维数是否出错
parameter
results matching "
"
No results matching "
"