ML:推荐给小白入门机器学习一系列书籍
2023-09-14 09:04:43 时间
ML:推荐给小白入门机器学习一系列书籍
目录
一、外文版
Christopher M.Bishop, Pattern Recognition and Machine Learning, Springer-Verlag 2006
Kevin P.Murphy,Machine Learning:A Probabilisic Perspective, The MIT Press, 2012
Machine Learning, Andrew Ng, coursera
二、中文版
李航,统计学习方法,清华大学出版社,2012
周志华, 机器学习,清华大学出版社,2016
机器学习基石/技术,林杆田, coursera
相关文章
- 神经网络和机器学习基础入门分享
- 最大似然估计 (MLE)与 最大后验概率(MAP)在机器学习中的应用
- 机器学习从入门到放弃之决策树算法
- 机器学习入门 - Google机器学习速成课程 - 笔记汇总
- 机器学习入门18 - 生产机器学习系统(Production ML Systems)
- 机器学习入门06 - 训练集和测试集 (Training and Test Sets)
- 如何用3个月零基础入门机器学习?
- 机器学习笔记 - 矩阵乘法
- 机器学习笔记 - 深度强化学习简介及Gym入门实例
- 机器学习笔记 - 生成对抗网络 (GAN)概述和入门示例
- 机器学习笔记 - Google 神经网络库JAX/FLAX入门
- 机器学习笔记 - U-Net论文解读
- 机器学习笔记 - 探索性数据分析(EDA) 学习进阶
- 机器学习笔记 - 学习朴素贝叶斯概念及应用
- ML与Optimality:最优化理论(GD随机梯度下降/QN拟牛顿法/CG共轭梯度法/L-BFGS/TR置信域/GA遗传算法/SA模拟退火算法)在机器学习中的简介、常用方法、案例应用之详细攻略
- ML之ME/LF:基于不同机器学习框架(sklearn/TF)下算法的模型评估指标(损失函数)代码实现及其函数(Scoring/metrics)代码实现(仅代码)
- AI之DS/CV/NLP:Python与人工智能相关的库/框架(机器学习常用库、数据科学常用库、深度学习常用库、计算机视觉常用库、自然语言处理常用库)的简介、案例应用之详细攻略
- AI:机器学习、深度学习在实际应用(工业应用)中的步骤流程框架、实际场景(案例)之详细攻略
- 人工智能和机器学习的基本实现过程总结
- 机器学习(四十三):使用粒子群优化进化神经网络
- 机器学习 (二十):差分进化算法(DE)
- 机器学习笔记(十一)----降维
- 【机器学习】GBDT 和 决策森林 的区别?(面试回答)
- 机器学习从入门到精通(2)—— 朴素贝叶斯
- 机器学习应用在哪些方向?机器学习应用实例