从经验中学习的软件开发和分析技术综述。具体主题包括:监督学习(分类、回归);无监督学习(聚类、降维);强化学习;计算学习理论。具体的技术包括:贝叶斯方法、混合模型、决策树、基于实例的方法、神经网络、内核机器、集成等等。

https://faculty.ucmerced.edu/mcarreira-perpinan/teaching/CSE176/

成为VIP会员查看完整内容
32

相关内容

【UBC】高级机器学习课程,Advanced Machine Learning
专知会员服务
26+阅读 · 2021年1月26日
专知会员服务
119+阅读 · 2019年12月24日
【CMU】机器学习导论课程(Introduction to Machine Learning)
专知会员服务
62+阅读 · 2019年8月26日
Reinforcement Learning: An Introduction 2018第二版 500页
CreateAMind
14+阅读 · 2018年4月27日
多伦多大学“神经网络与机器学习导论(2018年春季)
人工智能头条
14+阅读 · 2018年4月3日
推荐|一份不错的机器学习笔记!
全球人工智能
22+阅读 · 2017年11月20日
Arxiv
0+阅读 · 2021年11月19日
Arxiv
37+阅读 · 2021年8月2日
Arxiv
27+阅读 · 2019年11月24日
Arxiv
5+阅读 · 2018年6月5日
Arxiv
6+阅读 · 2018年1月14日
VIP会员
相关主题
最新内容
AgentOps综述:智能体系统运维框架
专知会员服务
0+阅读 · 6月4日
《美陆军最新条令:兵力防护》
专知会员服务
3+阅读 · 6月4日
《人工智能的挑战:算法战的想象与现实》
专知会员服务
4+阅读 · 6月4日
首场人工智能战争:Maven如何重塑武装冲突
专知会员服务
4+阅读 · 6月4日
《通往人工通用智能之路上的均衡策略》
专知会员服务
7+阅读 · 6月3日
《Palantir的科技生态系统》
专知会员服务
17+阅读 · 6月2日
相关论文
Arxiv
0+阅读 · 2021年11月19日
Arxiv
37+阅读 · 2021年8月2日
Arxiv
27+阅读 · 2019年11月24日
Arxiv
5+阅读 · 2018年6月5日
Arxiv
6+阅读 · 2018年1月14日
微信扫码咨询专知VIP会员