Section outline

    • 2.1 深度学习的硬件计算环境
    • 2.2 深度学习的软件计算环境
    • 2.3 数据集
    • 2.3 补充1：模型评估
    • 2.3 补充2：模型选择
    • 2.4 机器学习方法的分类
    • 2.5 半监督学习
    • 2.6 主动学习
    • 2.7 元学习
    • 2.8 排序学习


    • 课前完成线上内容观看：数据集及其拆分 File
      Students must
      Mark as done

      本视频主要讲述了数据集及其拆分、有监督学习、验证集、机器学习算法和特征提取、模型评估等模块的相关内容。此外，还介绍了埃德康是一个开源的p发行版本，包含了多个科学包及其依赖项，以及最简单的训练集和测试集的拆分方法及流除法的不足之处，k折交叉验证相对于流出法的优势，超参数的概念，以及如何通过网格搜索和k折交叉验证来调整超参数，以优化模型性能。

    • 课件 File
      Students must
      Mark as done