machine learning uiuc::desktop_computer:CS446:2018年Spring机器学习伊利诺伊大学香槟分校 源码

目录: 课程信息: 机器学习的目标是构建可以适应数据并从中学习的计算机系统。 在本课程中,我们将涵盖三个主要领域: 判别模型 生成模型 强化学习模型 特别是,我们将介绍以下内容: 线性回归 逻辑回归 支持向量机 深网 结构化方法 学习理论 k均值 高斯混合 期望最大化 马尔可夫决策过程 Q学习 先决条件: Python中的概率,线性代数和熟练程度。 推荐文字: 讲师: Alexander Schwing,网站 Matus Telgarsky,网站 作业 作业1:简介+ Python-Colin设计,Yucheng评论 作业2:线性回归-Raymond设计,Jyoti撰写 作业3:二