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：2024-02-24 00:48:29
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-