|
机器学习四十讲音频课程
课程目录# [7 G) A' I2 m0 Q" Y$ f9 a
180604-开篇词 _ 打通修炼机器学习的任督二脉7 {; V6 |( N$ }* M9 v! q
180605-01 _ 频率视角下的机器学习
180607-02 _ 贝叶斯视角下的机器学习
180609-03 _ 学什么与怎么学; }1 \- `( E' b" Z
180612-04 _ 计算学习理论
180614-05 _ 模型的分类方式
180616-06 _ 模型的设计准则
180619-07 _ 模型的验证方法7 j/ t0 ~& x7 M# _) Q" \
180621-08 _ 模型的评估指标0 g) {9 I- x0 r7 f! _2 Z
180623-09 _ 实验设计
180626-10 _ 特征预处理 X. g7 p* K0 \3 S4 S
180628-11 _ 基础线性回归:一元与多元
180630-12 _ 正则化处理:收缩方法与边际化# T) _; N2 J% v) p0 l# E
180703-13 _ 线性降维:主成分的使用
180705-14 _ 非线性降维:流形学习
180707-15 _ 从回归到分类:联系函数与降维- p, G0 a+ W" P4 R, \1 B5 r
180710-16 _ 建模非正态分布:广义线性模型9 y: K& }! }' S% E" S/ X
180712-17 _ 几何角度看分类:支持向量机2 y) V8 q7 O4 a) M( G# N
180714-18 _ 从全局到局部:核技巧/ x/ S; O! Z! W- ?
180717-19 _ 非参数化的局部模型:K近邻
180719-20 _ 基于距离的学习:聚类与度量学习
180721-21 _ 基函数扩展:属性的非线性化
180724-22 _ 自适应的基函数:神经网络
180726-23 _ 层次化的神经网络:深度学习
180728-24 _ 深度编解码:表示学习; O7 M0 d9 d" r; {6 l0 p- v d
180731-25 _ 基于特征的区域划分:树模型% R w# P9 C0 X$ T2 B
180802-26 _ 集成化处理:Boosting与Bagging& R* K- k e& Q( A; a
180804-27 _ 万能模型:梯度提升与随机森林
180807-总结课 _ 机器学习的模型体系
180809-28 _ 最简单的概率图:朴素贝叶斯# H0 r: _6 U/ {( n
180811-29 _ 有向图模型:贝叶斯网络
180814-30 _ 无向图模型:马尔可夫随机场2 w' F2 J! `% `2 V& \1 e6 |$ |$ B9 ]
180816-31 _ 建模连续分布:高斯网络0 F4 a- T+ `) z' Z, c2 ^$ R
180818-32 _ 从有限到无限:高斯过程" z' b1 X8 r: W
180821-33 _ 序列化建模:隐马尔可夫模型1 k* X- L( J# t. Z- Q
180823-34 _ 连续序列化模型:线性动态系统# [' b0 j- l$ d8 E8 E
180825-35 _ 精确推断:变量消除及其拓展
180828-36 _ 确定近似推断:变分贝叶斯
180830-37 _ 随机近似推断:MCMC
180901-38 _ 完备数据下的参数学习:有向图与无向图
180904-39 _ 隐变量下的参数学习:EM方法与混合模型7 i- j* m+ [9 u2 i( k* m- Y
180906-40 _ 结构学习:基于约束与基于评分! e w7 X2 u+ d& j. A+ @
180908-总结课 _ 贝叶斯学习的模型体系* h& y# H+ Z \3 s! [6 S& w
180911-结课 _ 终有一天,你将为今天的付出骄傲
下载地址回复可见:
|
|