0
点赞
收藏
分享

微信扫一扫

人工智能——机器学习与深度学习思维导图


目录

​​0 综述​​

​​1 基本模型​​

​​1.1 回归​​

​​1.2 决策树与随机森林 ​​

​​1.3 SVM​​

​​1.4 最大熵与EM算法 ​​

​​2 特征工程 ​​

​​2.1 特征工程 ​​

​​2.2 多算法组合与模型最优 ​​

​​3 工业实践 ​​

​​3.1 Sklearn与机器学习实战 ​​

​​3.2 高级工具库xgboost/LightGBM与建模实战​​

​​3.3 推荐系统原理与应用​​

​​ 3.4 聚类算法​​

​​4 深入机器学习 ​​

​​4.1 贝叶斯网络 ​​

​​4.2 隐马可夫链HMM ​​

​​4.3 主题模型LDA ​​

​​5 迈入深度学习​​

​​5.1 深度学习初步 ​​

​​5.2 卷积神经网络与计算机视觉 ​​

​​5.3 循环神经网络与应用 ​​

​​5.4 深度学习框架与应用 ​​

0 综述


1 基本模型


1.1 回归

人工智能——机器学习与深度学习思维导图_特征工程

1.2 决策树与随机森林 

人工智能——机器学习与深度学习思维导图_机器学习_02

1.3 SVM

1.4 最大熵与EM算法 

人工智能——机器学习与深度学习思维导图_深度学习_03

2 特征工程 


2.1 特征工程 

人工智能——机器学习与深度学习思维导图_机器学习_04

2.2 多算法组合与模型最优 

人工智能——机器学习与深度学习思维导图_人工智能_05

3 工业实践 


3.1 Sklearn与机器学习实战 

人工智能——机器学习与深度学习思维导图_深度学习_06

3.2 高级工具库xgboost/LightGBM与建模实战

人工智能——机器学习与深度学习思维导图_深度学习_07

3.3 推荐系统原理与应用

人工智能——机器学习与深度学习思维导图_机器学习_08

 3.4 聚类算法

人工智能——机器学习与深度学习思维导图_特征工程_09

4 深入机器学习 


4.1 贝叶斯网络 

人工智能——机器学习与深度学习思维导图_人工智能_10

4.2 隐马可夫链HMM 

人工智能——机器学习与深度学习思维导图_人工智能_11

4.3 主题模型LDA 

人工智能——机器学习与深度学习思维导图_机器学习_12

5 迈入深度学习


5.1 深度学习初步 

人工智能——机器学习与深度学习思维导图_人工智能_13

5.2 卷积神经网络与计算机视觉 

人工智能——机器学习与深度学习思维导图_人工智能_14

5.3 循环神经网络与应用 

人工智能——机器学习与深度学习思维导图_人工智能_15

5.4 深度学习框架与应用 

人工智能——机器学习与深度学习思维导图_特征工程_16


举报

相关推荐

0 条评论