【文件属性】:
文件名称:MLclass:我的主要机器学习课程
文件大小:183.26MB
文件格式:ZIP
更新时间:2021-02-03 07:01:49
machine-learning course-materials machine-learning-algorithms jupyter-notebook supervised-learning
ML类
我的机器学习课程的材料。 自2012年以来以英语或法语授予博士和/或硕士研究生。
描述
本课程通过一些关键算法提供了机器学习领域的发现。 尽管第一届会议试图涵盖机器学习技术的全部范围,但随后的会议将重点讨论“超学习”问题,并将从四个不同的角度(贝叶斯角度,线性分离,神经网络和集成方法)对算法进行分类。 。 所采用的方法将Python中的自愿动手实践与对该方法的理论和数学理解相结合。 在课程结束时,您将可以根据眼前的问题在ML算法的主要系列之间做出明智的选择。 您将了解每种方法系列的算法和数学属性,并且将具有Scikit-Learn和Keras Python库的基本实践知识。
课程目标
在课程结束时,您应该能够:
为您的应用领域实施通用的数据分析工作流程;
了解数据驱动方法的主要瓶颈和挑战;
将一些现场问题与其正式的机器学习同行联系起来;
了解机器学习算法的主要类别以及它们解决的形式问题;
了解机器学习中一些关键方法的名称和原理:
SVM和内核方法,
朴素贝叶斯分类,
高斯过程
人工神经网络和深度学习
决策树
合奏方法:加强,套袋,随机森林;
了解Scikit-