bootcamp_machine learning
v5.0.2
Bei diesem Projekt handelt es sich um ein Bootcamp für maschinelles Lernen, das von 42 AI erstellt wurde.
Da die in diesem Bootcamp vermittelten Vorstellungen komplex sein können, empfehlen wir den Studierenden dringend, zuvor das folgende Bootcamp absolviert zu haben:
42 Artificial Intelligence ist eine Studentenorganisation des Pariser Campus der Schule 42. Unser Ziel ist es, Diskussionen, Lernen und Interesse im Bereich der künstlichen Intelligenz zu fördern, indem wir verschiedene Aktivitäten wie Vorträge und Workshops organisieren.
Die PDF-Dateien jedes Moduls können von unserer Realease-Seite heruntergeladen werden: https://github.com/42-AI/bootcamp_machine-learning/releases
Beginnen Sie mit etwas linearer Algebra und Statistik
Summen-, Mittelwert-, Varianz-, Standardabweichungs-, Vektor- und Matrizenoperationen.
Hypothese, Modell, Regression, Verlustfunktion.
Implementieren Sie eine Methode zur Verbesserung der Leistung Ihres Modells: Gradientenabstieg, und entdecken Sie den Begriff der Normalisierung
Gradientenabstieg, lineare Regression, Normalisierung.
Erweitern Sie die lineare Regression, um mehr als ein Merkmal zu verarbeiten, erstellen Sie Polynommodelle und erkennen Sie Überanpassungen
Multivariate lineare Hypothese, multivariater linearer Gradientenabstieg, Polynommodelle.
Trainings- und Testsätze, Überanpassung.
Entdecken Sie Ihren ersten Klassifizierungsalgorithmus: die logistische Regression!
Logistische Hypothese, logistischer Gradientenabstieg, logistische Regression, Mehrklassenklassifizierung.
Genauigkeit, Präzision, Rückruf, F1-Score, Verwirrungsmatrix.
Bekämpfe Overfitting!
Regularisierung, Überanpassung. Regularisierte Verlustfunktion, regulierter Gradientenabstieg.
Regularisierte lineare Regression. Regularisierte logistische Regression.
