1、数据结构基础 2、机器学习基础视频 -- 逻辑回归和朴素贝叶斯

成都理工大学-人工智能与机器学习-往届期末试题

人工智能的概念 一般认为，人工智能是研究，开发用于模拟，延伸和扩展人的智能的理论，方法，技术及应用系统的一门新的科学技术。人类日常生活中的许多活动，如数学计算，观察，对话，学习等，都需要智能。时至今日，人工智能概念的内涵已经被大大扩展，它涵盖了计算机科学，统计学，脑神经学，社会科学等诸多领域，是一个门交叉学科。人们希望通过对人工智能的研究，能将它用于模拟和扩展人的智能，辅助甚至代替人们实现多种功能，包括识别认知，分析，决策等。 人工智能的层次 基础设施层 算法层 所谓机器学习，是指利用算法使计算机能够像人一样从数据中挖掘出信息；而深度学习作为机器学习的一个子集，相比其他学习方法，使用了更多

iris_classification_BPNeuralNetwork 本文用Python实现了BP神经网络分类算法，根据鸢尾花的4个特征，实现3种鸢尾花的分类。

这里是 ShowMeAI 持续分享的【开源eBook】系列！内容覆盖机器学习、深度学习、数据科学、数据分析、大数据、Keras、TensorFlow、PyTorch、强化学习、数学基础等各个方向。整理自各平台的原作者公开分享（审核大大请放手） ◉ 简介：本书对不确定条件下的决策算法作了广泛的介绍，内容涵盖了与决策有关的各种主题，介绍了基本的数学问题公式和解决这些问题的算法。 ◉ 目录： 第一部分：概率推理 - 表征 - 推理 - 参数学习 - 结构学习 - 简单决策 第二部分：顺序问题 - 精确解法 - 近似值函数 - 在线规划 - 政策搜索 - 政策梯度估计 - 政策梯度优化 - 角色批判方法 - 政策验证 第三部分：模型的不确定性 - 探索和利用 - 基于模型的方法 - 无模型的方法 - 模仿学习 第四部分：状态的不确定性 - 信念 - 准确的信念状态规划 - 离线信念状态规划 - 在线信念状态规划 - 控制器抽象 第五部分：多Agent系统 - 多Agent推理 - 序列问题 - 状态的不确定性 - 协作代理

这里是 ShowMeAI 持续分享的【开源eBook】系列！内容覆盖机器学习、深度学习、数据科学、数据分析、大数据、Keras、TensorFlow、PyTorch、强化学习、数学基础等各个方向。整理自各平台的原作者公开分享（审核大大请放手） ◉ 简介：《The Design of Approximation Algorithms》整理自哥本哈根大学同名课程的教学资料。书籍围绕近似算法的几个核心算法技术展开，包括贪婪和局部搜索算法、动态编程、线性和半无限编程以及随机化。资料第一部分的每一章都专门讨论一种算法技术，然后将其应用于几个不同的问题。第二部分重温了这些技术，但对它们进行了更复杂的处理。 ◉ 目录： 贪婪算法和局部搜索 舍入数据和动态编程 线性程序和确定性舍入 线性程序的随机抽样和随机舍入 半定约程序的随机舍入 原始二元法 多路切割问题 随机抽样、优先抽样 心数估计 多数据集的总结 有序数据的总结 乘法权重 在线算法

Python3入门人工智能 掌握机器学习+深度学习，完整版11章附源码

20200131-清华大学人工智能研究院-人工智能行业：人工智能之机器学习2020年第1期.pdf

PyTorch_YOLOv4

包含“王权富贵-MNIST-BP神经网络”“王权富贵-MNIST-BP神经网络仅训练部分版本”“王权富贵-MNIST-数据集熟悉+线性神经网络”这些系列！每句话备注！