Digital Garden

Search CTRL + K

Digital Garden

Search CTRL + K

Home

Inbox

study

人工智能

机器学习

MIT21秋课程

1.1 课程介绍

1.2 数据获取

1.3 网页数据抓取

1.4 数据标注

2.1 数据分析

2.2 数据清洗

2.3 数据变换

2.4 特征工程

2.5 数据科学家的日常

3.1 机器学习介绍

3.2 决策树模型

3.3 线性模型

3.4 随机梯度下降

3.5 多层感知机

4.1 模型评估

4.2 过拟合和欠拟合

4.3 模型验证

5.1 方差和偏差

9.1 模型调参

9.2 超参数优化

9.3 网络架构搜索

10.1 深度神经网络架构

11.1 CV中的微调

11.2 Nlp中的微调

深度学习

李沐学深度学习

04 数据操作 + 数据预处理

05 线性代数

06 矩阵计算

07 自动求导

09 Softmax 回归 + 损失函数 + 图片分类数据集

10 多层感知机 + 代码实现

11 模型选择 + 过拟合和欠拟合

12 权重衰退

14 数值稳定性 + 模型初始化和激活函数

15 实战：Kaggle房价预测 + 课程竞赛：加州2020年房价预测【动手学深度学习v2】

16 PyTorch 神经网络基础

17 使用和购买 GPU

18 预测房价竞赛总结

20 卷积层里的填充和步幅

21 卷积层里的多输入多输出通道

23 经典卷积神经网络 LeNet

54 循环神经网络 RNN

技术笔记

Obsidian Copilot+LM studio本地RAG知识系统索引搭建

Enter to select

to navigate

ESC to close

#machine_learning #deep_learning #MIT #course

2.1 数据分析

数据总数
数据中每一列的类型转换
数据是否在正确范围
各个数据之间的关联

References

Connected Pages

Depth

On this page

2.1 数据分析
References

Pages mentioning this page

No other pages mentions this page