《《机器学习》在线班》(Machine Learning)1[MP4]

状态： 精华资源
摘要：
主讲人: 无
发行日期: 2015年08月01日
对白语言: 普通话
文字语言: 简体中文
时间： 2016/12/22 14:47:28 发布 | 2016/12/23 10:56:10 更新
分类： 教育计算机

dianlv_world

精华资源: 45

全部资源: 48

相关：

该内容尚未提供权利证明，无法提供下载。

中文名: 《机器学习》在线班

英文名: Machine Learning

资源格式: MP4

主讲人: 无

版本: 1

发行日期: 2015年08月01日

地区: 大陆

对白语言: 普通话

文字语言: 简体中文

简介:

课程大纲：
人工智能、大数据分析、机器人等领域在近年来日益引人瞩目，而机器学习则是其中一类非常重要的理论和工具。本套资料从零开始介绍简单的Python语法以及如何用Python语言来写机器学习的模型。每一个章节环环相扣，配合代码样例，非常适合希望了解机器学习领域的初学者，甚至没有编程基础的学生。

引用

第1~4次课，机器学习中的基础：
微积分(函数与极限、导数与微分、不定积分与定积分)、概率论与数理统计(期望方差、大数定律、二项分布、中心极限定理、正态分布)
矩阵(正交矩阵、协方差矩阵、SVD)
最优化(凸函数、凸优化、对偶问题)
极大似然估计、最小二乘、线性回归、logistic回归
第5次课，牛顿、拟牛顿、梯度下降、随机梯度下降(SGD)
第6次课，熵、最大熵模型MaxEnt、改进的迭代尺度法IIS
第7次课，聚类(k-means、层次聚类、谱聚类等)
第8~12次课，分类
K近邻、决策树、随机森林(random decision forests)、15分钟实践(随机森林运用)
Adaboost(包括公式推导、加法模型、指数损失函数的理解)
朴素贝叶斯、与贝叶斯网络(Bayesian Network)
支持向量机(最大间隔分类、拉格朗日乘值、对偶问题、损失函数、最优化理论、SMO)、半小时实践(libsvm的简单运用)
EM、混合高斯模型
第13次课，主题模型(概率潜语义分析PLSA、隐含狄利克雷分布LDA)、15分钟实践(文档主题的提取)
第14~15次课，标注
马尔科夫链、隐马尔可夫模型HMM(Hidden Markov Model)
采样
第16次课，马尔可夫随机场(Markov Random Field)、条件随机场CRF等等
第17次课，SVD、主成分分析PCA、因子分析、独立成分分析ICA
第18次课，卷积神经网络(CNN)、深度学习浅析
第19次课，变分推断方法(Variational Inference)
第20次课，知识图谱