机器学习、深度学习面试题合集（300+）.pdf

机器学习 深度学习 pytorch tensorflow 贝叶斯 神经网络 算法

机器学习 深度学习 pytorch tensorflow 贝叶斯 神经网络 算法

机器学习 深度学习 pytorch tensorflow 贝叶斯 神经网络 算法

机器学习 深度学习 pytorch tensorflow 贝叶斯 神经网络 算法

这算是一份手册或者是快速学习的一种方式，里面涵盖基本的机器学习和深度学习算法，从基本介绍，到特征工程，从基本的机器学习算法（决策树，贝叶斯，线性回归，支持向量机，KNN，聚合算法，GBDT，xgb，lightbgm等， 无监督算法pca，聚类等）， 到深度学习算法（CNN，RNN）基本上全覆盖。所以有了这一个，能够在应用中快速的查看。希望在自学深度学习和机器学习的路上帮助到大家。

神经网络与深度学习：概述，tensorflow，python，神经网络基础，卷积神经网络，循环神经网络，生成对抗网络，胶囊网络。

纽约大学《深度学习》2021课程全部放出 该课程自2021年春季开始由Yann LeCun与Alfredo Canziani等共同执教。 CDS发布了Yann LeCun的深度学习（DS-GA 1008）课程的所有材料，包括带英文字幕教学视频、书面讲义、课件以及带有PyTorch实现的可执行Jupyter Notebooks。 课程关注深度学习和表示学习的最新技术，重点关注有监督和无监督深度学习、嵌入方法、度量学习、卷积和循环网，以及在计算机视觉、自然语言理解和语音识别方面的应用。前提条件包括:DS-GA 1001数据科学入门或研究生水平的机器学习课程。

内容包含有：1.深度学习的实用层面、2.优化算法、3.超参数调试、Batch正则化和程序框架。以及相应的作业、讲义。

Bayesian methods for machine learning have been widely investigated, yielding principled methods for incorporating prior information into inference algorithms. In this survey, we provide an in-depth review of the role of Bayesian methods for the reinforcement learning (RL) paradigm. The major incentives for incorporating Bayesian reasoning in RL are: 1) it provides an elegant approach to action-selection (exploration/ exploitation) as a function of the uncertainty in learning; and 2) it provides a machinery to incorporate prior knowledge into the algorithms. We first discuss models and methods for Bayesian inference in the simple single-step Bandit model. We then review the extensive recent literature on Bayesian methods for model-based RL, where prior information can be expressed on the parameters of the Markov model. We also present Bayesian methods for model-free RL, where priors are expressed over the value function or policy class. The objective of the paper is to provide a comprehensive survey on Bayesian RL algorithms and their theoretical and empirical properties.