机器学习(四):理论课程入门
2018-03-18 13:26
267 查看
前面学习了机器学习平台的搭建和简单的代码学习,目前需要的就是对理论知识的巩固。今年三月初谷歌上线自带中文的机器学习免费课程,各种语言的字幕,中文发音,详细的解释,对数学基础要求不高,只是概念上的理解,应该算是入门最好的课程。看完这些再去学习深一点的课程会感觉容易很多。课程链接:机器学习速成课程
新手慢慢学习的过程,希望同道之人多多交流。
新手慢慢学习的过程,希望同道之人多多交流。
相关文章推荐
- 【机器学习入门】Andrew NG《Machine Learning》课程笔记之一 :课程简介
- 机器学习入门心得——书籍、课程推荐
- 机器学习入门学习笔记:(2.1)线性回归理论推导
- 机器学习、深度学习的理论与实战入门建议整理(一)
- 机器学习、深度学习的理论与实战入门建议整理(一)
- Python机器学习之XGBoost从入门到实战(基本理论说明)
- 机器学习、深度学习的理论与实战入门建议整理(一)
- 机器学习、深度学习的理论与实战入门建议整理(二)
- 机器学习、深度学习的理论与实战入门建议整理(三)
- 机器学习入门课程
- 课程 | 中科院教授带你快速入门机器学习
- 机器学习、深度学习的理论与实战入门建议整理(二)
- [机器学习入门] 李宏毅机器学习课程回顾 + 接下来的学习声明
- 机器学习入门心得——书籍、课程推荐
- 机器学习、深度学习的理论与实战入门建议整理(三)
- [机器学习入门] 经典台大李宏毅机器学习课程从这里开始
- [机器学习入门] 经典台大李宏毅机器学习课程从这里开始
- 【机器学习入门】Andrew NG《Machine Learning》课程笔记之四:分类、逻辑回归和过拟合
- [机器学习入门] 李宏毅机器学习笔记-1(Learning Map 课程导览图)
- 【机器学习入门】Andrew NG《Machine Learning》课程笔记之二 :基本概念、代价函数、梯度下降和线性回归