Серия руководств по картам машинного обучения призвана помочь разработчикам получить систематизированную концепцию сети знаний машинного обучения.Некоторые из конкретных определений не идеальны, и разработчикам необходимо самостоятельно изучить, чтобы получить глубокое понимание конкретных знаний. Этот проект вдохновлен проектом с открытым исходным кодом Даниэля Формозо на github. Автор этой статьи переводит, систематизирует, аннотирует и другие второстепенные творения своего проекта, и в ней много редких математических терминов, что отнимает много сил у автора, не обучавшегося за границей. Я организовал карту в виде карты знаний для всеобщего обозрения. Из-за большой сети знаний о машинном обучении полная карта слишком велика, а изображения в статье могут быть сжаты.Для получения полных изображений, пожалуйста, просмотрите проект github.machine-learning-mindmap-cnЗагрузите исходные изображения в высоком разрешении. эта сериявсе еще в процессеНаконец-то он готов. Ваши лайки, комментарии и звездочки станут движущей силой моего дальнейшего творчества.
machine-learning-mindmap-cn: GitHub.com/adopters/no…
Серия карт машинного обучения разделена на пять модулей.
- машинное обучение обработка данных
- Концепции машинного обучения
- процесс машинного обучения
- Алгоритмы машинного обучения
- Модели машинного обучения и модели нейронных сетей
модель машинного обучения
возвращение
байесовский
Снижение размерности
пример
Древо решений
кластеризация
Нейронные сети
нейроны и слои
Пакетная нормализация и скорость обучения
Инициализировать веса
обратное распространение
функция активации
Наконец
Фу... наконец-то закончил. Далее, если у меня будет время, я сериализую карточки знаний из серии «Глубокое обучение». Вы можете продолжать обращать внимание.