Ml

目录

• dive-into-llms-112-第2章 机器学习的核心思想
• 一文看懂深度学习与人工智能（已完结）
• 第10章 无监督学习与聚类（Unsupervised Learning & Clustering）
• 第11章　特征工程与数据处理
• 第12章　模型评估与调优
• 第13章　NLP 领域的机器学习实践
• 第14章　计算机视觉与传统机器学习 Computer Vision, CV
• 第15章　时序数据与预测
• 第16章　深度学习的兴起
• 第17章　卷积与序列模型 卷积神经网络（Convolutional Neural Network, CNN）
• 第18章　大模型与预训练范式
• 第19章　可解释性与可信AI
• 第1章 机器学习的诞生与演化
• 第20章　机器学习的思维方式
• 第21章　机器学习的未来
• 第3章　概率与统计
• 第4章　线性代数与矩阵运算
• 第5章　优化与数值计算
• 第6章　线性模型家族
• 第7章　基于距离与相似度的方法
• 第8章　决策树与集成学习
• 第9章　概率模型与统计学习