分类

主题

机器学习教程

获取有关 AI 与机器学习的洞见与最佳实践、提升技能、构建数据文化。通过我们的教程，学习如何最大化发挥机器学习模型的价值。

其他主题：

DataLabMLOps云计算向量数据库大数据数据分析数据可视化数据工程数据治理数据科学数据素养深度学习职业服务自然语言处理面向商业的人工智能

培训 2 人或更多？试试 DataCamp for Business

R

R 中的支持向量机

本教程将帮助您从高层次理解 SVM 的工作原理，并使用 R 来实现。

James Le

2026年10月8日

机器学习

使用 Scikit-learn 的支持向量机教程

在本教程中，您将学习支持向量机，这是一种最受欢迎、应用最广泛的监督式机器学习算法之一。

Avinash Navlani

2026年10月8日

人工智能

TensorBoard 教程

使用 TensorBoard 可视化您的神经网络的训练参数、指标、超参数或任意统计信息！

Thushan Ganegedara

2026年10月8日

机器学习

迁移学习：从大数据中汲取洞见

在本教程中，您将了解什么是迁移学习、它的部分应用场景，以及为何这是一名数据科学家的关键技能。

Lars Hulstaert

2026年10月8日

机器学习

机器学习基础——范数

通过代码与可视化学习线性代数。

Hadrien Jean

2026年10月8日

理解 Python 中的逻辑回归

了解逻辑回归及其基本性质，并使用 scikit-learn 在 Python 中基于真实应用构建机器学习模型。

Avinash Navlani

2026年10月8日

Using TensorFlow 2.0 to Compose Music Tutorial

在本教程中，您将学习如何在 TensorFlow 2.0 中训练生成式模型来作曲。

Isaiah Hull

2026年10月8日

使用 Python（和 Beautiful Soup）进行网页抓取

在本教程中，您将学习如何从网络中提取数据，使用 Python 的 Pandas 库进行数据处理与清洗，并使用 Python 的 Matplotlib 库进行数据可视化。

Sicelo Masango

2026年10月8日

机器学习

使用 Gymnasium 的强化学习：实用指南

理解强化学习（RL）的基础知识，并探索 Gymnasium 软件包，以 Python 构建与测试 RL 算法。

Arun Nanda

2026年10月7日

机器学习

主动学习：好奇心驱动的 AI 算法

了解主动学习，这是一种半监督机器学习方法：从定义与优势，到其应用与前沿研究。

DataCamp Team

2026年10月6日

深度学习

Adagrad 优化器详解：工作原理、实现与对比

学习 Adagrad 优化技术，包括其关键优势、局限性、在 PyTorch 中的实现方法，以及用于优化机器学习模型的应用场景。

Satyam Tripathi

2026年10月6日

机器学习

Adam 优化器教程：直观理解与 Python 实现

在 Python 中理解并实现 Adam 优化器。结合 PyTorch 学习其直觉、数学与机器学习中的实用应用

Bexruz (Bex) Tuychiev

2026年10月6日