MachineLearning_Course_Resources

KO | EN

gitlite — search

#javascript #react #ai #go #machine-learning #rust #linux #docker #cli #vue #awesome-list #security #ios #open-source

MachineLearning_Course_Resources

(★ 10)

收录了重庆大学2024春机器学习课程相关笔记和实验内容，此外包括吴恩达的《机器学习》课程的学习资料，涵盖监督学习、神经网络、推荐系统等内容，适合机器学习初学者与进阶者。

MachineLearning_Course_Resources 최신버젼 다운로드

최종 버전 다운로드 (.zip)

// repository documentation

Was this content helpful?

★ 0 (0 ratings)

# 重庆大学机器学习课程学习资源

本仓库收录了我在学习重庆大学**机器学习**课程时所完成的**笔记**和**实验**等内容。其中笔记部分是基于我在 Coursera 上的学习（[Machine Learning by Andrew Ng](https://www.coursera.org/learn/machine-learning)），实验部分是重庆大学2024年春机器学习的课程实验。

---

## 快速导航

- [重庆大学机器学习课程学习资源](#重庆大学机器学习课程学习资源)
  - [快速导航](#快速导航)
  - [资料分布说明](#资料分布说明)
    - [课程笔记](#课程笔记)
    - [课程实验](#课程实验)

---

## 资料分布说明

### 课程笔记

- 本人选择吴恩达的经典课程[Coursera: Machine Learning](https://www.coursera.org/learn/machine-learning)进行学习，所有笔记内容均按课程模块进行了分类，以系统地学习机器学习知识。
  1. **Supervised Machine Learning**：第一大节课程，监督学习，分为 **Classfication** 与 **Regression** 两类呈现。其中核心是 **Class Notes** 文件夹，是每节课的笔记，其余均为笔记呈现所需文件。（下同）
  2. **Advanced Learning Algorithms**：第二大节课程，高级学习算法，分为**Decision Trees**, **Neural Network** 与 **Model Evaluation and Selection**。
  3. **Other Power Learnings**：第三大节课程，其它类型的学习，分为**Recommender System** 与 **Unsupervised Learning**。

### 课程实验

> 每个实验文件夹下 **Labx.ipynb** 为核心文件，其余均为代码正常运行所需的必要文件，**data** 为实验所需的对应数据集。

- **CQU Lab**：2024年春季学期重庆大学机器学习实验
  1. **Lab1**：对数几率回归（Logistic Regression）算法的学习与应用。
  2. **Lab2**：决策树（Decision Trees）分类、回归算法的学习与应用。
  3. **Lab3**：BP神经网络（Backpropagation Neural Network）算法的学习与应用。
  4. **Lab4**：使用卷积神经网络（CNN）实现花卉图像识别。

MachineLearning_Course_Resources

MachineLearning_Course_Resources 최신버젼 다운로드

오늘의 추천 프로젝트

Was this content helpful?

Recent Feedback

MachineLearning_Course_Resources

MachineLearning_Course_Resources 최신버젼 다운로드

오늘의 추천 프로젝트

Was this content helpful?

Recent Feedback

Download README