课程描述
机器学习导论，讲解有监督和无监督学习问题的表述。回归和分类。数据标准化和特征工程。损失函数选择及其对学习的影响。正则化及其在控制复杂性中的作用。验证和过拟合。对异常值的鲁棒性。简单的数值实现。对来自各种工程和其他学科的数据进行实验。
文末附本课程视频及ppt下载地址。
课程首页
http://ee104.stanford.edu/lectures.html
课程大纲
课程视频截图
课程视频及ppt免费下载地址
微信公众号“深度学习与NLP”回复关键字“mldll”获取下载地址。
往期精品内容推荐
NLP新书-《自然语言处理表示学习》免费书分享
自然语言处理481个公开数据集和基准任务整理分享
宾夕法尼亚大学-2020-图神经网络课程-6-授权网络实战
2021ML实战新课-《深度学习速成课程2021》课程视频及ppt免费分享
台大林智仁中文版-《深度学习优化方法》课程(2021) 视频及ppt分享
李宏毅最新-《深度学习/机器学习课程2021》课程视频及ppt免费分享
麻省理工学院-《面向生命科学的深度学习2021》课程视频及ppt免费分享
Sergey Levine-伯克利《深度强化学习2020》课程视频及ppt分享
蒂宾根大学-《机器学习导论2021》课程视频及ppt免费分享
DeepLearning_NLP
深度学习与NLP
商务合作请联系微信号：lqfarmerlq
