Lecture 1: The Learning Problem
前言 机器学习：理论与实践相结合的学问 基础导向：哲学解释，关键理论，核心技术，实践应用... 1.什么是机器学习 人类学习的方式：观察 -> 学习 -> 技巧 机器学习的方式：data -> ML ->skill 什么是技巧？ 技巧 <=> 某种性能或者表现的提高（比如预测的精确度） ML learning： data -> ML -> improve performance measure （
相关文章
- 1. Lecture 1: The Learning Problem
- 2. 台大机器学习基石 Lecture 1 - The Learning Problem
- 3. CS156 Machine Learning -1 The Learning Problem 笔记
- 4. 《机器学习基石》1-The Learning Problem
- 5. ML Lecture 0-1: Introduction of Machine Learning
- 6. The 3n+1 problem
- 7. [cv231n] Lecture 8 | Deep Learning Software
- 8. Data Structure Lecture Note (Week 1, Lecture 1)
- 9. David Silver《Reinforcement Learning》课程解读—— Lecture 1： Introduction to Reinforcement Learning
- 10. Lecture 3：Types of Learning
- 更多相关文章...
- • 伪造参数错误的ICMP数据包 - TCP/IP教程
- • XQuery 选择 和 过滤 - XQuery 教程
- • Java Agent入门实战（三）-JVM Attach原理与使用
- • Java Agent入门实战（一）-Instrumentation介绍与使用
相关标签/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
欢迎关注本站公众号,获取更多信息
相关文章
- 1. Lecture 1: The Learning Problem
- 2. 台大机器学习基石 Lecture 1 - The Learning Problem
- 3. CS156 Machine Learning -1 The Learning Problem 笔记
- 4. 《机器学习基石》1-The Learning Problem
- 5. ML Lecture 0-1: Introduction of Machine Learning
- 6. The 3n+1 problem
- 7. [cv231n] Lecture 8 | Deep Learning Software
- 8. Data Structure Lecture Note (Week 1, Lecture 1)
- 9. David Silver《Reinforcement Learning》课程解读—— Lecture 1： Introduction to Reinforcement Learning
- 10. Lecture 3：Types of Learning