机器学习系列

| | |
425 | 1

前言

路漫漫其修远兮，吾将上下而求索。2013年，大二接触人工智能课，讲逻辑推理，专家系统等等，神经网络只是一部分，打开当时老师的ppt，还能看到BP等算法。接着在2015年，上了模式识别课程，有一些启发式算法，KNN K-means等算法，同时神经网络也已经有了 GoogLeNet 等深层网络，热门的GAN网络也在2014年被提出。后面，机遇巧合，本科毕业时选了人工智能的坑，直到3年后的现在算是明白了一点。接下来的三年的目标还是 成为一名优秀的算法工程师。

回望入坑 机器学习，没有系统地整理过相关知识。于是想着手整理一份自己笔记系列。本文为序。

雄关漫道真如铁，而今迈步从头越。

1564034058070

图1 机器学习知识框架
如图1 所示，整个系列将由五个部分组成。

一、机器学习基础

二、监督学习

1564034419203
图 监督学习

三、无监督学习

1564034460034
图 无监督学习

四、学习理论

xuexililun
图 学习理论

4.1 正则化

五、强化学习

六、参考与规划

目标 通过阅读以上基本书，打牢自己的理论基础。

书籍

  • PRML Bishop
  • 机器学习 周志华
  • 统计学习 李航
  • 深度学习 Goodfellow
  • 模式识别 张学工

课程

https://www.bilibili.com/video/av70839977

博客编写

  • 前言介绍，包括作者，背景，原始paper，和以上基本书的对应章节。
  • 原理阐述，算法步骤写出。
  • 案例分析
  • 利用python写出代码，先用scilearn写。
  • 总结，预告。
0%