Lecture 14 page: [ Ссылка ]


Lecture 1 - Introduction to Machine Learning 101 Course: [ Ссылка ]
Lecture 2 - Machine Learning Overview & Some Basic Terms: - [ Ссылка ]
Lecture 3 - Classes of Machine Learning Problems: [ Ссылка ]
Lecture 4 - Simple Linear Regression Problem: [ Ссылка ]
Lecture 4a - The 3 Fundamental Theories of Machine Learning: [ Ссылка ]
Lecture 5 - Equation of a Regression Line: [ Ссылка ]
Lecture 6 - Polynomial Curve Fitting: [ Ссылка ]
Lecture 7 - Underfitting & Overfitting - [ Ссылка ]
Lecture 7a - Underfitting & Overfitting Python Demo - [ Ссылка ]
Lecture 8 - Introduction to Probability Theory - [ Ссылка ]
Lecture 9 - Laws of Probability - [ Ссылка ]
Lecture 9a - Bayes' Theorem - [ Ссылка ]
Lecture 10 - Application of Bayes' Theorem: [ Ссылка ]
Lecture 10a - Prior and Posterior Probability: [ Ссылка ]
Lecture 11 - What is Probability Density: [ Ссылка ]
Lecture 12 - Bias/Variance Trade-off: [ Ссылка ]
Lecture 13 - Intro. to Classification: [ Ссылка ]
Lecture 13a - Classification Example: [ Ссылка ]
Lecture 14 - Bayes Classifier: [ Ссылка ]
Lecture 15 - K-Nearest Neighbors Classifier: [ Ссылка ]

For all lessons, visit my site: [ Ссылка ]

Subscribe Kindson The Tech Pro Youtube: [ Ссылка ]
Join my group ICS on Facebook: [ Ссылка ]
Follow me on Instagram - [ Ссылка ]
Connect with me on LinkedIn: [ Ссылка ]
Follow me on Twitter: [ Ссылка ]
Learn about me: [ Ссылка ]

Machine Learning 101 Course Page : [ Ссылка ]
These are Machine Learning 101 Lectures, so you can read ahead of the next tutorial.

свернуть