机构名称：
¥ 1.0
机器学习和统计建模先例：机器学习和统计学习的要素。学习算法。旋转方法。降低维度和正则化。设置方法。特殊主题。目标：提出基本概念和机器学习中使用的主要工具。讨论与主要算法的实施和应用有关的问题。在课程结束时，学生应有一个坚实的基础，可以批判性地使用这些方法，无论他们在工作的编程环境如何，都能理解和适应算法。示意性内容：机器学习元素和统计学习：什么是机器学习。什么是大数据。数据类型：结构化与非结构化。推论文化与预测性。维度的诅咒。学习算法：学习类型。监督学习算法。学习算法未被监督。雷莫尔方法：交叉验证和引导程序。维度和正规化减少：降低维度的主要方法。正则化方法。设置方法：业务和提升。花键。判别分析。基于概率的分类方法。k均值和变化。决策树。Agroupamentary的教学大纲。子运动退伍军人机器。分析两个主要成分。阅读和深度学习。参考书目：Hastie，T.，Tibishirani，R。在Friedman，J。（2016）。统计学习要素。Springer，第二版。James，G.，Witten，D.，Hastie，T。，intibishirani，R。（2017）。R. Springer中的应用程序的统计介绍。Murphy，K.P。 （2012）。 机器学习，可能的观点。 麻省理工学院出版社。 izbicki，R。在TM（2020）的桑托斯（Santos）。 早期学徒制：统计流产。 在我的http://www.rizbicki.ufscar.br/ame.pdf 中讨论Murphy，K.P。（2012）。机器学习，可能的观点。麻省理工学院出版社。izbicki，R。在TM（2020）的桑托斯（Santos）。早期学徒制：统计流产。在我的http://www.rizbicki.ufscar.br/ame.pdf 中讨论
Machine-Learning-e-modeling-Statistics.pdf
主要关键词
相关文件推荐
