first commit

Spaces/000-Task/Python-机器学习.md

@@ -0,0 +1,157 @@
+---
+Completed: 0
+Created: 2023-07-08 03:19:51 
+Incomplete: 147
+Modified: 2023-07-09 17:27:34
+Tags: Task
+Title: Python-机器学习
+Total: 147
+---
+
+- [ ] 课程介绍
+- [ ] 机器学习应用
+- [ ] 机器学习定义
+- [ ] 监督学习（1）
+- [ ] 监督学习（2）
+- [ ] 无监督学习（1）
+- [ ] 无监督学习（2）
+- [ ] Jupyter notebooks
+- [ ] 线性回归模型（1）
+- [ ] 线性回归模型（2）
+- [ ] 代价函数公式
+- [ ] 理解代价函数
+- [ ] 可视化代价函数
+- [ ] 可视化举例
+- [ ] 梯度下降
+- [ ] 梯度下降的实现
+- [ ] 理解梯度下降
+- [ ] 学习率
+- [ ] 用于线性回归的梯度下降法
+- [ ] 运行梯度下降
+- [ ] 多维特征
+- [ ] 向量化（1）
+- [ ] 向量化（2）
+- [ ] 用于多元线性回归的梯度下降法
+- [ ] 特征缩放（1）
+- [ ] 特征缩放（2）
+- [ ] 判断梯度下降是否收敛
+- [ ] 如何设置学习率
+- [ ] 特征工程
+- [ ] 多项式回归
+- [ ] 动机与目的
+- [ ] 逻辑回归
+- [ ] 决策边界
+- [ ] 逻辑回归中的代价函数
+- [ ] 简化逻辑回归代价函数
+- [ ] 实现梯度下降
+- [ ] 过拟合问题
+- [ ] 解决过拟合
+- [ ] 正则化
+- [ ] 用于线性回归的正则方法
+- [ ] 用于逻辑回归的正则方法
+- [ ] 欢迎来到第二课
+- [ ] 神经元和大脑
+- [ ] 需求预测
+- [ ] 【案例】图像感知
+- [ ] 神经网络中的网络层
+- [ ] 更复杂的神经网络
+- [ ] 神经网络向前传播
+- [ ] 如何用代码实现推理
+- [ ] Tensorflow 中数据形式
+- [ ] 搭建一个神经网络
+- [ ] 单个网络层上的前向传播
+- [ ] 前向传播的一般实现
+- [ ] 强人工智能
+- [ ] 神经网络为何如此高效
+- [ ] 矩阵乘法
+- [ ] 矩阵乘法规则
+- [ ] 矩阵乘法代码
+- [ ] Tensorflow 实现
+- [ ] 模型训练细节
+- [ ] Sigmoid 激活函数的替代方案
+- [ ] 如何选择激活函数
+- [ ] 为什么模型需要激活函数
+- [ ] 多分类问题
+- [ ] Softmax
+- [ ] 神经网络的 Softmax 输出
+- [ ] Softmax 的改进实现
+- [ ] 多个输出的分类
+- [ ] 高级优化方法
+- [ ] 其它的网络层类型
+- [ ] 什么是导数
+- [ ] 计算图
+- [ ] 大型神经网络案例
+- [ ] 决定下一步做什么
+- [ ] 模型评估
+- [ ] 模型选择和交叉验证测试集的训练方法
+- [ ] 通过偏差与方法进行诊断
+- [ ] 正则化、偏差、方差
+- [ ] 指定一个用于性能评估的基准
+- [ ] 学习曲线
+- [ ] 决定下一步做什么
+- [ ] 方差与偏差
+- [ ] 机器学习开发的迭代
+- [ ] 误差分析
+- [ ] 添加更多数据
+- [ ] 迁移学习 - 使用其他任务中的数据
+- [ ] 机器学习项目的完整周期
+- [ ] 公平、偏见与伦理
+- [ ] 倾斜数据集的误差指标
+- [ ] 精确率与召回率的权衡
+- [ ] 决策树模型
+- [ ] 学习过程
+- [ ] 纯度
+- [ ] 选择拆分信息增益
+- [ ] 整合
+- [ ] 独热编码 One-hot
+- [ ] 连续有价值的功能
+- [ ] 回归树
+- [ ] 使用多个决策树
+- [ ] 有放回抽样
+- [ ] 随机森林
+- [ ] XGBoost
+- [ ] 何时使用决策树
+- [ ] 欢迎来到第三课
+- [ ] 什么是聚类
+- [ ] K-means 直观理解
+- [ ] K-means 算法
+- [ ] 优化目标
+- [ ] 初始化 K-means
+- [ ] 选择聚类数量
+- [ ] 发现异常事件
+- [ ] 高斯正态分布
+- [ ] 异常检测算法
+- [ ] 开发与评估异常检测系统
+- [ ] 异常检测与监督学习对比
+- [ ] 选择使用什么特征
+- [ ] 提出建议
+- [ ] 使用每个特征
+- [ ] 协同过滤算法
+- [ ] 二进制标签
+- [ ] 均值归一化
+- [ ] 协同过滤 Tensorflow 实现
+- [ ] 寻找相关特征
+- [ ] 协同过滤与基于内容过滤对比
+- [ ] 基于内容过滤的深度学习方法
+- [ ] 从大型目录中推荐
+- [ ] 推荐系统中的伦理
+- [ ] 基于内容过滤的 Tensorflow 实现
+- [ ] 降低特征数量
+- [ ] PCA 算法
+- [ ] PCA 代码实现
+- [ ] 【案例】火星探测器
+- [ ] 强化学习的汇报
+- [ ] 强化学习的策略
+- [ ] 审查关键概念
+- [ ] 动作价值函数定义
+- [ ] 动作价值函数示例
+- [ ] 贝尔曼方程
+- [ ] random stochastic environment
+- [ ] 【案例】连续状态空间应用
+- [ ] 登月器
+- [ ] 学习状态值函数
+- [ ] 改进的神经网络架构
+- [ ] 贪婪策略
+- [ ] 小批量和软更新
+- [ ] 强化学习的状态
+- [ ] 课程总结