机器学习 这是霍尔伯顿学校的机器学习(ML)培训计划,分为三个学期。从一些数学开始,然后在实践练习中深入学习各种技巧(监督,无监督,强化)。 课程的一些主题: 头三个学期 数学: 线性代数简介 微积分简介 绘图简介 概论 监督学习: 二进制分类 多类别分类 优化技术 正则化技术 卷积神经网络 深度卷积架构 物体检测 人脸验证 神经风格转移 第二学期 数学: 高级线性代数 进阶机率 无监督学习: 降维 聚类 嵌入 自动编码器 生成对抗网络 超参数优化 隐马尔可夫模型 监督学习: 递归神经网络 变形金刚 序列到序列建模 库存预测 语音转文字 机器翻译 推荐系统 上三个学期 强化学习: 代理环境框架 多臂强盗问题 马尔可夫决策过程 探索与开发 政策和价值功能 时间差异学习 深度强化学习 开发游戏代理 管道: 9网页抓取 标签数据 SQL和NoSQL数据库 地图缩小 在云平台上托管