伯克利2017年机器学习速成课程分享

Daniel Geng和Shannon Shih在Berkeley的ML博客上分享了一套机器学习速成的课程&＃xff0c;课程持续更新&＃xff0c;目前更新了四期。第一部分发布于2016年11月&＃xff0c;而最后一个在2017年7月分享&＃xff0c;也是最新的。

第一部分主要介绍机器学习的基本概念&＃xff1a;回归/分类&＃xff0c;成本函数和渐变下降。第2部分介绍感知器&＃xff0c;逻辑回归和支持向量机等简单模型。第3部分介绍神经网络。第4部分介绍偏差和差异的概念。分享课程目录如下&＃xff1a;

第1部分 - 介绍&＃xff0c;回归/分类&＃xff0c;成本函数和渐变下降

第2部分 - 感知器&＃xff0c;逻辑回归和支持向量机

第3部分 - 神经网络

第4部分 - 偏差和差异

原网页&＃xff1a;

https://steemit.com/programming/&＃64;cristi/machine-learning-crash-course-berkeley

获取更多深度学习最新资讯快速通道&＃xff1a;

获取最新消息快速通道 - lqfarmer的博客 - CSDN博客

更多深度学习在NLP方面应用的经典论文、实践经验和最新消息&＃xff0c;欢迎关注微信公众号“深度学习与NLP”或“DeepLearning_NLP”或扫描二维码添加关注。