机器学习
Introduction
机器学习
第一课 介绍
第二课 单一特征量的线性回归
第三课 线性代数基本
第四课 多特征量线性回归
第五课 Octave介绍
第六课 逻辑回归
第七课 正规化
第八课 神经网络
第九课 神经网络学习
第十课 机器学习的优化方法
第十一课 系统设计
第十二课 支持向量机(SVM)
第十三课 聚类
第十四课 降维
第十五课 异常检测
第十六课 推荐系统
第十七课 大规模机器学习
第十八课 应用举例: 图片 OCR
第十九课 总结
机器学习作业
NG机器学习 Python实践
Scikit-learn实践
数据集
决策树
逻辑回归
[朴素贝叶斯]
[GBDT]
[随机森林]
[交叉验证集]
[网格搜索]
[模型持久化]
[Pipline]
Pandas实践
Tesorflow实践 0.8
环境搭建
卷积神经网络 CNN
机器学习实践
第二章 k邻近算法
第三章 决策树
第四章 朴素贝叶斯分类
第五章 逻辑回归
Python
语法
相关环境搭建
Python核心编程
第二章 快速入门
第三章 Python基础
第四章 Python对象
第五章 数字
第六章 序列:字符串、列表和元组
第七章 映像和集合类型
第八章 条件和循环
第八章 条件和循环
第九章 文件输入和输出
第十章 错误和异常
第十一章 函数和函数式编程
第十二章 模块
第十三章 类
第十四章 执行环境
第十五章 正则表达式
第十六章 网络编程
第十七章 网络客户端编程
第十八章 多线程编程
实战技巧
用Python做科学计算
数值计算要点 1
pandas 要点
量化
统计套利
第一章 蒙特卡罗的谬误
第二章 统计套利
第三章 结构模型
机器学习课题
课题一 基于神经网络的股票研究
课题二 对自己的邮件进行自动分类整理
课题三 最个性网络阅读器
课题四 知识分享型机器人
概率论
第一周
第二周
小结
第九讲 随机变量
第十讲 离散型随机变量
第十一讲 分布函数
第十三讲 连续分布和指数分布
第十四讲 正态分布
概率分布小结
第十六讲 二元随机变量，离散型随机变量分布规律
第十七讲 二元离散型随机变量边际分布率和条件分布律
第十八讲 二元随机变量分布函数，条件分布函数
第二十三讲 随机变量的独立性
二元概率分布小结
第二十九讲 数学期望的性质
概率全息知识小结
第三十五讲 依概率收敛和切比雪夫不等式
线性代数
高等数学
Powered by
GitBook
Tesorflow实践 0.8
Tensorflow
记录在实践tensorflow时的点滴经验。
results matching "
"
No results matching "
"