资源详细信息
斯坦福大学机器学习课程原始讲义 - 资源详细说明
本课程提供了一个广泛的介绍机器学习、数据挖掘、统计模式识别的课程。主题包括：
（一）监督学习（参数/
非参数算法，支持向量机，核函数，神经网络）。（二）无监督学习
（聚类，降维，推荐系统，深入学习推荐）。（三）在机器学习的最佳实践（偏差/
方差理
论；在机器学习和人工智能创新过程）。本课程还将使用大量的案例研究，您还将学习如何
运用学习算法构建智能机器人（感知，控制），文本的理解（W
eb 搜
索，反垃圾邮件），计
算机视觉，医疗信息，音频，数据挖掘，和其他领域。
本课程需要 1
0 周
共 1
8 节
课，
（一）监督学习（参数/
非参数算法，支持向量机，核函数，神经网络）。（二）无监督学习
（聚类，降维，推荐系统，深入学习推荐）。（三）在机器学习的最佳实践（偏差/
方差理
论；在机器学习和人工智能创新过程）。本课程还将使用大量的案例研究，您还将学习如何
运用学习算法构建智能机器人（感知，控制），文本的理解（W
eb 搜
索，反垃圾邮件），计
算机视觉，医疗信息，音频，数据挖掘，和其他领域。
本课程需要 1
0 周
共 1
8 节
课，
立即下载 斯坦福大学机器学习课程原始讲义
提示：下载后请用压缩软件解压，推荐使用 WinRAR 或 7-Zip
下载说明与使用指南
下载说明
- 本资源需消耗 2积分
- 24小时内重复下载不扣分
- 支持断点续传功能
- 资源永久有效可用
使用说明
- 下载后使用解压软件解压
- 推荐使用 WinRAR 或 7-Zip
- 如有密码请查看资源说明
- 解压后即可正常使用
积分获取方式
- 上传优质资源获得积分
- 每日签到免费领取积分
- 邀请好友注册获得奖励
- 查看详情 →