实用机器学习
作者:Sunila Gollapudi
出版社:机械工业出版社
ISBN:9787111598886
VIP会员免费
(仅需0.8元/天)
¥ 40.0
温馨提示: 价值40000元的1000本电子书,VIP会员随意看哦!
电子书推荐
-
[机器学习]Tom.Mitchell(英文版).pdf 评分:
[机器学习]Tom.Mitchell 引自刘未鹏老大(pongba)的评论: "老书,牛人。现在看来内容并不算深,很多章节有点到为止的感觉,但是很适合新手(当然,不能"新"到连算法和概率都不知道)入门。比如决策树部分就很精彩,并且这几年没有特别大的进展,所以并不过时。另外,这本书算是对97年前数十年机器学习工作的大综述,参考文献列表极有价值..." 我上传的一些商业电子书是供学习研究之用,如用于商业用途,请购买正版。
上传时间:2018-01 大小:36.14MB
- 1.59MB
关于机器学习的ppt(英文)
2013-11-28CMU大学Eric Xing的关于机器学习的ppt英文资料。
- 123.96MB
机器学习经典论文(人工智能)
2018-08-31机器学习经典论文,都为英文文献,英文吃力的请慎重。积分太高了改低一点,有积分,积分不求多,还要五十字
- 287KB
机器学习(Tom M.Mitchell)部分习题解答第2部分
2013-03-30基本上都是英文的,也不是很全,质量应该没问题。大概看了一下,只有3.1,3.2,4.1-4.3,4.5,6.5,10.1,10.2,10.5,10.6
- 1.28MB
Tom Mitchell 机器学习全部讲义
2018-05-11Tom Mitchell 机器学习全部讲义,对于机器学习研究有用
- 650KB
Mitchell 机器学习 课后答案 搜集的几个版本的
2015-11-29Mitchell 机器学习 课后答案 搜集的几个版本的
- 1.96MB
McGrawHill,.Tom.Mitchell.-机器学习(中文清晰)
2011-06-16McGrawHill,.Tom.Mitchell.-机器学习(中文清晰)
- 2.4MB
[机器学习.汤姆·米切尔].McGrawHill,.Tom.Mitchell.-.Machine.Learning
2012-11-29[机器学习.汤姆·米切尔].McGrawHill,.Tom.Mitchell.-.Machine.Learning
- 46.0MB
机器学习Tom M.mitchell课后题ppt
2018-12-31机器学习 Tom M.mitchell 中文版 课后题答案 ;全书讲解ppt;西安电子科技大学研究生期末考试题目 机器学习这门学科所关注的问题是:计算机程序如何随着经验积累自动提高性能?近年 来,机器学习被成功地应用于很多...
- 34.58MB
[机器学习]Tom.Mitchell1
2022-08-03[机器学习]Tom.Mitchell1
- 17.23MB
Tom.Mitchell.-.Machine.Learning
2012-11-07Tom.Mitchell.-.Machine.Learning
- 10.89MB
关于机器学习最前沿的deep learning的相关文献
2013-03-07关于机器学习最前沿的deep learning的相关文献,有兴趣的可以看看
- 874KB
首次提出SVM的英文论文,105页pdf
2017-11-16首次提出SVM; 英文版,印刷清除; 内容详细,适合初学者及深入学习使用
- 360KB
ffm英文文献
2019-03-03详细描述了fm/ffm的原理,相应的公式推导和正则化方法,以及与SVM的对比
- 17.16MB
Machine Learning - Tom Mitchell
2018-11-19Machine Learning by Tom M. Mitchell (1997-03-01) https://www.amazon.com/gp/product/B01FIYYP6W?pf_rd_p=c2945051-950f-485c-b4df-15aac5223b10&pf_rd_r=7WB8PHPHB10Z2C4A7H64
- 1.36MB
Michael Jordan&Tom Mitchell:机器学习趋势、观点及前景
2015-09-02加州大学伯克利分校和卡内基梅陇的两位机器学习前辈Michael Jordan及Tom Mitchell 2015年7月17日在《科学》杂志上写了一篇不错的科普文章,介绍了当今机器学习的发展动向以及前景.
- 51KB
机器学习(Tom M.Mitchell)第1-2章部分习题解答
2012-04-25机器学习(Tom M.Mitchell)第1、2章部分习题答案,仅供参考
- 34.84MB
Machine Learning, Tom M. Mitchell
2012-06-28机器学习经典著作,作者Tom M .Mitchell是卡内基梅隆大学教授,美国《machine learning》杂志,国籍机器学习年度会议创始人,多种技术杂志攥稿人。
- 9.90MB
机器学习 [中文版] - Tom M. Mitchell
2022-02-10Machine Learning: A multistrategy approach 作者: Tom M. Mitchell 中文翻译版
- 3.84MB
机器学习课件 Tom Mitchell
2009-09-27是Tom Mitchell编写的机器学习一书的课件,中文课件。
- 801KB
Machine Learning 中文版 Tom M. Mitchell
2012-03-07Machine Learning 中文版 Tom M. Mitchell ,机器学习的经典教材,翻译之后的中文版
- 28.96MB
机器学习 英文课件 CS446
2018-04-05machine learning University of Illinois, Urbana-Champaign CS446 英文课件
- 1.35MB
机器学习Tom 网上所有答案汇总包括英文答案
2018-11-01机器学习Tom 网上所有答案汇总包括英文答案,几乎涵盖所有作业内容
- 12KB
计算机毕业论文参考文献(中英文对照)
2009-10-04英文文献和中文翻译,字数大约有3000中文,内容为计算机网络相关(RTP-实时软件传输协议)~
- 1003KB
关于统计机器学习的一些文献
2010-03-22关于统计机器学习的一些文献,介绍了机器学习领域的最新进展,包括半监督学习的一些介绍
- 839KB
深度学习综述(英文)
2016-07-26Deep learning in neural networks: An overview In recent years, deep artificial neural networks (including recurrent ones) have won numerous contests in pattern recognition and machine learning. This historical survey compactly summarizes relevant work, much of it from the previous millennium. Shallow and Deep Learners are distinguished by the depth of their credit assignment paths, which are chains of possibly learnable, causal links between actions and effects. I review deep supervised learning (also recapitulating the history of backpropagation),unsupervised learning, reinforcement learning & evolutionary computation, and indirect search for short programs encoding deep and large networks.
- 3.84MB
机器学习课件+Tom+Mitchell
2010-03-19机器学习课件+Tom+Mitchell 还有中英文的教科书资源下载,我的资源里会有
- 50KB
机器学习综述
2014-11-26机器学习综述 系统掌握机器学习研究 机器学习综述 系统掌握机器学习研究
- 1.38MB
Science 杂志综述长文——Machine learning机器学习发展趋势和前景
2018-01-12Jordan和Mitchell两位Machine learning大牛在Science 杂志综述长文——机器学习发展趋势和前景
- 6.90MB
卷积神经网络英文版综述
2018-04-07What Do We Understand About Convolutional Networks?论文 卷积神经网络(CNN)在计算机视觉领域已经取得了前所未有的巨大成功,但我们目前对其效果显著的原因还没有全面的理解。约克大学电气工程与计算机科学系的 Isma Hadji 和 Richard P. Wildes 发表了论文《What Do We Understand About Convolutional Networks?》,对卷积网络的技术基础、组成模块、当前现状和研究前景进行了梳理,介绍了我们当前对 CNN 的理解。