学习

Python机器学习和算法高级版视频教程_Python教程

资源名称: 机器学习和算法高级版视频教程 教程目录: 【 教程网】 、课程介绍 【 教程网】 、机器学习的数学基础 数学分析 【 教程网】 、数学基础 数理统计与参数估计 【 教程网】 、数学基础 矩阵和线性代数 【 教程网】 、数学基础 凸优化 【 教程网】 、 基础及其数学库的使用 【 教程网】 、 基础及其机器学习库的使用 【 教程网】 、回归 【 教程网】 、回归实践 【 教程网】 、决策树和随机森林 【 教程网】 、随机森林实践 【 教程网】 、提升 【 教程网】 、 【 教程网】 、 【 教程

SQL Server 2008 R2学习资料_数据库教程

教程名称: 学习资料 课程目录: 【 教程网】全新 高级视频教程 【 教程网】全新 高级视频教程 【 教程网】全新 高级视频教程 【 教程网】全新 高级视频教程 【 教程网】全新 高级视频教程 【 教程网】全新 高级视频教程 【 教程网】全新 高级视频教程 【 教程网】全新 高级视频教程 【 教程网】全新 高级视频教程 【 教程网】全新 高级视频教程 【 教程网】全新 高级视频教程 【 教程网】全新 高级视频教程 【 教程网】全新 高级视频教程

Python机器学习——预测分析核心算法_Python教程

资源名称: 机器学习 预测分析核心算法 内容简介: 在学习和研究机器学习的时候,面临令人眼花缭乱的算法,机器学习新手往往会不知 所措。本书从算法和 语言实现的角度,帮助读者认识机器学习。 书专注于两类核心的 算法族 ,即惩罚线性回归和集成方法,并通过代码实例来 展示所讨论的算法的使用原则。全书共分为 章,详细讨论了预测模型的两类核心算法、预测模型的构建、惩罚线性回归和集成方法的具体应用和实现。 本书主要针对想提高机器学习技能的 开发人员,帮助他们解决某一特定的项 目或是提升相关的技能。 作者简介: 在硅谷

python学习笔记与简明教程 中文_Python教程

资源名称: 学习笔记与简明教程 中文 本文档是 学习笔记与简明教程;为什么用 作为编程入门语言?每种语言都会有它的支持者和反对者。去 一下 ,你会得到很多结果,诸如应用范围广泛、开源、社区活跃、丰富的库、跨平台等等等等,也可能找到不少对它的批评,格式死板、效率低、国内用的人很少之类。不过这些优缺点的权衡都是程序员们的烦恼。作为一个想要学点编程入门的初学者来说,简单才是最重要的。当学 的同学还在写链表,学 的同学还在折腾运行环境的时候,学 的你已经像上图一样飞上天了 资源截图:

Linux课程学习课件PPT_操作系统教程

教程名称: 课程学习课件 课程目录: 【 教程网】 的安装 【 教程网】 命令系统 【 教程网】 命令系统 【 教程网】 编辑器 【 教程网】 用户和组 【 教程网】 软件的安装和卸载 【 教程网】 文件系统和磁盘管理 【 教程网】 编程 【 教程网】 网络基础 【 教程网】 文件共享 【 教程网】 文件共享 【 教程网】 远程管理 系统

深入浅出深度学习 原理剖析与Python实践 中文pdf_Python教程

资源名称:深入浅出深度学习 原理剖析与 实践 中文 第 部分 概要 绪论 基础 第 部分 数学与机器学习基础篇 线性代数基础 概率统计基础 概率图模型 机器学习基础 谱聚类 数值计算与最优化 第 部分 理论与应用篇 前馈神经网络 反向传播与梯度消失 自编码器及其相关模型 玻尔兹曼机及其相关模型 递归神经网络 卷积神经网络 资源截图:

学习vi和Vim编辑器 (第7版) 英文PDF_操作系统教程

资源名称:学习 和 编辑器 第 版 英文 一个完整的介绍,使用 文本编辑: 如何将围绕六急于 除此之外,例如使用缓冲区的基本知识, 的全局搜索和替换 高级编辑,包括定制 和执行 命令 如何使 充分利用: 扩展的文本对象,功能更强大的正则表达式 多窗口编辑和强大的 脚本 如何充分利用 版本的 被称为 的增强程序员,如语法高亮,折叠和扩展标记 资源截图:

斯坦福大学机器学习课程个人学习笔记 中文PDF_Python教程

资源名称:斯坦福大学机器学习课程个人学习笔记 中文 本报告是在学习斯坦福大学机器学习课程前四节加上配套的讲义后的总结与认识。前四 节主要讲述了回归问题,属于有监督学习中的一种方法。该方法的核心思想是从离散的统计 数据中得到数学模型,然后将该数学模型用于预测或者分类。该方法处理的数据可以是多维 的。 讲义最初介绍了一个基本问题,然后引出了线性回归的解决方法,然后针对误差问题做 了概率解释。 资源截图: