01.微积分与概率论基础.mp4 1.45GB
02.参数估计与矩阵运算基础.mp4 1.5GB
03.凸优化基础.mp4 1.48GB
04.广义线性回归和对偶优化.mp4 1.85GB
05.梯度下降和拟牛顿.mp4 1.6GB
06.最大熵模型.mp4 1.61GB
07.聚类方法.mp4 1.6GB
08.决策树和随机森林.mp4 1.6GB
[《机器学习》在线班].09.Adaboost.mp4 1.3GB
10.贝叶斯网络.mp4 1.79GB
11.支持向量机.mp4 1.49GB
[《机器学习》在线班].12.EM.mp4 938.9MB
12.衣服推荐系统by黄高乐.mp4 493.45MB
13.主题模型.mp4 2.31GB
14-15.IP与MCMC(上).mp4 509.71MB
14-15.IP与MCMC(中).mp4 533.19MB
14-15.IP与MCMC(下).mp4 544.96MB
16.七月算法.条件随机场1.flv 337.96MB
16.七月算法.条件随机场2.flv 334.79MB
16.七月算法.条件随机场3.flv 306.2MB
17.PCA-SVD(上).mp4 520.14MB
17.PCA-SVD(中).mp4 498.12MB
17.PCA-SVD(下).mp4 424.62MB
[《机器学习》在线班].18.CNN.mp4 1.78GB
19.变分.mp4 2.33GB
20.代码实现.mp4 1.23GB
内容介绍:

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

白盘同学及游客可通过如下方式下载:

01 微积分与概率论基础.mp4: https://jsjzlgx.ctfile.com/fs/8Ak164273312

02 参数估计与矩阵运算基础.mp4: https://jsjzlgx.ctfile.com/fs/mR1164276960

03 凸优化基础.mp4: https://jsjzlgx.ctfile.com/fs/hxy164293648

04 广义线性回归和对偶优化.mp4: https://jsjzlgx.ctfile.com/fs/CQV164291887

05 梯度下降和拟牛顿.mp4: https://jsjzlgx.ctfile.com/fs/UB5164295711

06 最大熵模型.mp4: https://jsjzlgx.ctfile.com/fs/dHs164295715

07 聚类方法.mp4: https://jsjzlgx.ctfile.com/fs/lVk164295719

08 决策树和随机森林.mp4: https://jsjzlgx.ctfile.com/fs/xd6164295723

09 Adaboost.mp4: https://jsjzlgx.ctfile.com/fs/3me164298091

10 贝叶斯网络.mp4: https://jsjzlgx.ctfile.com/fs/q7W164298095

11 支持向量机.mp4: https://jsjzlgx.ctfile.com/fs/t9s164298099

12 衣服推荐系统by黄高乐.mp4: https://jsjzlgx.ctfile.com/fs/Q6Q164298103

13 主题模型.mp4: https://jsjzlgx.ctfile.com/fs/Rnh164301363

15 IP与MCMC(上).mp4: https://jsjzlgx.ctfile.com/fs/XIh164301367

15 IP与MCMC(下).mp4: https://jsjzlgx.ctfile.com/fs/pce164301371

15 IP与MCMC(中).mp4: https://jsjzlgx.ctfile.com/fs/0sF164301375

16 条件随机场1.flv: https://jsjzlgx.ctfile.com/fs/OS5164301379

16 条件随机场2.flv: https://jsjzlgx.ctfile.com/fs/gtG164301383

16 条件随机场3.flv: https://jsjzlgx.ctfile.com/fs/EEu164301387

17 PCA-SVD(上).mp4: https://jsjzlgx.ctfile.com/fs/5Rv164302391

17 PCA-SVD(下).mp4: https://jsjzlgx.ctfile.com/fs/acf164302395

17 PCA-SVD(中).mp4: https://jsjzlgx.ctfile.com/fs/4k1164302399

18 CNN.mp4: https://jsjzlgx.ctfile.com/fs/Su3164304731

19.变分.mp4: https://jsjzlgx.ctfile.com/fs/9Mr164304735

20 知识图谱代码实现.mp4: https://jsjzlgx.ctfile.com/fs/dlV164304739

目录:

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

相关资源: