Intro To Machine Learning
1.
אאThe Perceptron Learning Algorithm (PLA) פרספרטרון
2.
אאLinear Regression
3.
אאGradient Descent
4.
אאLogistic Regression
4.1.
אאsigmoid
4.2.
אאcross-entropy error measure
5.
אאSVM (Support Vector Machin)
5.2.
אאQuadratic Programming
5.3.
אאDuality
5.3.1.
אאWeak Duality
5.3.2.
אאStrong Duality
5.4.
אאThe Lagrange Dual Problem
5.4.1.
אאThe Lagrange Dual Function
5.5.
אאComplementary Slackness
5.6.
אאKKT
5.7.
אאKernel Trick
10.
אאOverfitting
10.1.
אאRegularization
10.2.
אאHard Constraint
10.3.
אאSoft Constraint
10.4.
אאRidge Regression
10.5.
אאlasso
9.
אאValidation
9.1.
אאModel Selection
9.2.
אאCross Validation
8.
אאNeural Networks - רשתות
8.1.
אאMulti-layer Perceptron
8.2.
אאSigmoidal Neural Networks
8.3.
אאNN softened MLP
7.
אאUnsupervised Learning
6.
אאPCA - Principal Component Analysis
שיעורים
שיעור 1
שיעור 2
שיעור 3
שיעור 4
שיעור 5
שיעור 6
אאHard-Margin SVM - The separable case
שיעור 7
אאQuadratic Programming (QP)
שיעור 8
אאשיעור 9
אאשיעור 10
אאשיעור 11
אאשיעור 12
אא