CS 229 - Makine Öğrenmesi

İkiz kardeşim Afshine ve ben, 2018 güz döneminde Stanford'da asistanlık (TA) yaptığım CS 229 dersinin içeriğini kapsayan bu resimli Makine Öğrenmesi özet notlarını oluşturduk. Bunların, bu dersin gelecekteki tüm öğrencileri ve Makine Öğrenmesi ile ilgilenen herkes için yararlı olacağını (umarız!) düşünüyoruz.

Ders özetleri

Denetimli öğrenme
Denetimli öğrenme
  • Kayıp fonksiyonu, gradyan inişi, olabilirlik
  • Doğrusal modeller, Destek Vektör Makineleri, üretken öğrenme
  • Ağaç ve topluluk yöntemleri, k-NN, öğrenme teorisi
PDF Web
Denetimsiz öğrenme
Denetimsiz öğrenme
  • Beklenti-Maksimizasyon, k-means, hiyerarşik kümeleme
  • Kümeleme değerlendirme metrikleri
  • Temel bileşen analizi, bağımsız bileşen analizi
PDF Web
Derin öğrenme
Derin öğrenme
  • Mimari, aktivasyon fonksiyonu, geri yayılım, dropout
  • Evrişimli katman, toplu normalleştirme, kapı türleri
  • Markov karar süreçleri, Bellman denklemi, Q-öğrenme
PDF Web
İpuçları ve püf noktaları
İpuçları ve püf noktaları
  • Karışıklık matrisi, doğruluk, kesinlik, duyarlılık, F1 skoru, ROC
  • R kare, Mallow's CP, AIC, BIC
  • Çapraz doğrulama, düzenlileştirme, yanlılık/varyans dengesi, hata analizi
PDF Web

Hatırlatıcılar

Olasılık ve istatistik
Olasılık ve istatistik
  • Olasılık aksiyomları, permütasyon, Bayes kuralı, bağımsızlık, koşullu olasılık
  • Rastgele değişken, beklenti, varyans
  • Merkezi Limit Teoremi, parametre tahmini
PDF Web
Lineer cebir ve matematik
Lineer cebir ve matematik
  • Temel matrisler, çarpma, transpoz, ters, iz, determinant
  • Özdeğer, özvektör, norm, gradyan, Hessian
  • Pozitif yarı tanımlı matris, spektral teorem, tekil değer ayrışımı
PDF Web

Bu ders özetlerini kendi dilinizde görmek ister misiniz? GitHub'da çevirmemize yardımcı olabilirsiniz!