亚洲排名第1的新加坡国立大学AI团队倾情打造，资深研究员龙龙老师主讲，帮助人工智能、深度学习初学者快速、深刻理解深度学习算法原理与实践。【莫烦老师】权威推荐：在教学中，龙龙老师以简短高效的方式，从深度学习的多个角度向我们展开了论述，非常适合想对深度学习有全方位了解的朋友。【爱可可-爱生活】友情分享了我们的课程Github链接！课程特色：1.通俗易懂，快速入门对深度学习算法追本溯源、循序渐进式讲解，学员不需要任何机器学习基础，只需要写过代码即可轻松上手。2.实用主导，简单高效使用最新的TensorFlow 2版本教学，比起TensorFlow 1.x版本难度降低了约50%。3.案例为师，实战护航基于计算机视觉和NLP领域的经典数据集，从零开始结合TensorFlow 2与深度学习算法完成多个案例实战。4.持续更新，永久有效一次购买，永久有效。深度学习课程会持续更新下去，内容和学术界最前沿算法保持同步。

较为常用的机器学习语言的总结，步骤比较详尽，内容比较有深度

适用于python学习； 机器学习； 算法学习； 源代码；

机器学习算法.ppt机器学习算法.ppt机器学习算法.ppt

本项目主要是对一些常用的算法的实现，以及基于spark的机器学习算法实现。 目前以实现的功能有： * 数据预处理 * 基于spark的LR逻辑回归分类 * 基于spark的DT决策树分类

主要用于大学生数学建模，包括机器学习的一些算法模型，通过实例能解决实际问题

2048 四联骨牌 滑行 更多详情、使用方法，请下载后阅读README.md文件

互联网消费金融是互联网金融公司为满足个人消费者对商品和服务的消费需 求所提供的小额贷款并分期偿还的信贷活动。与传统消费金融相比，互联网消费 金融具有服务方便快捷、大幅度降低交易成本、覆盖群体更广的特点。随着经济 水平的不断发展，人们消费观念的升级，互联网消费金融也逐渐被更多消费者认 可。面对数以万计甚至是数以十万计的申请借款的用户时，则需要通过互联网和 计算机领域的技术来解决这个用户信用风险的预测问题。 本文针对互联网消费金融的小额贷款申请，探讨机器学习技术在这个领域中 的发展情况和实际应用情况，研究违约用户和履约用户这两批用户的各方面特征， 介绍了在信用风险评估领域比较流行的Logistic回归模型和GBDT(梯度迭代决策 树)模型，以及主流的模型性能评价指标。在具体的实验中，本论文使用机器学 习技术对网络信贷平台的用户进行建模分析,使用Information Value统计量筛选变 量特征，采取 woe (weightofevidence)编码的方式对变量特征进行重新编码，以 提升变量对两类用户的辨别能力，最后，使用Logistic回归模型和GBDT(梯度迭 代决策树)模型对申请贷

机器学习算法原理-聚类算法

机器学习经典模型