程序员书库(ID:OpenSourceTop) 编译
链接:https://c.d2l.ai/stanford-cs329p/
应用机器学习(ML)准确而稳健地解决实际问题需要的不仅仅是训练最新的ML模型。首先,你需要学习处理数据的实用技术,这很重要,因为真实数据往往不是独立的、相同的分布。它包括协变量检查与筛选、标签变化,以及建模相关随机变量,如时间序列和图形中的变量。接着,你还需要学习如何有效地训练ML模型,如调优参数、模型组合和迁移学习。最后,才是学习公平性和模型可解释性,以及如何有效地部署模型。
如果你对这些知识感兴趣,那么接下来推荐的这个新课程可千万别错过了,李沐、黄清清、Alex Smola主讲的斯坦福新课《实践机器学习(CS 329P)》上线了,9月1日正式开启报名。
这门课程共计18节课程,覆盖统计学、算法、代码实现等方面知识,所有在线课程、视频、幻灯片都是免费的!
先决条件
学习这门课程之前,你需要先具备Python编程基础和机器学习、基础统计学基础。这套课程将会从实际数据处理学起,然后逐渐过渡到训练模型、调优参数、模型组合和迁移学习,最终将会学习模型的可解释性以及如何有效部署模型。
具体课程如下:
基础ML模型
打破假设
性能调优
模型进阶
最后附上课程地址:https://c.d2l.ai/stanford-cs329p/
页面更新:2024-05-20
本站资料均由网友自行发布提供,仅用于学习交流。如有版权问题,请与我联系,QQ:4156828
© CopyRight 2020-2024 All Rights Reserved. Powered By 71396.com 闽ICP备11008920号-4
闽公网安备35020302034903号