IT视频教程资源网

标题: 机器学习入门学习40课2018年9月,IT资源网 [打印本页]

作者: admin 时间: 2022-5-29 08:14
标题: 机器学习入门学习40课2018年9月,IT资源网
下载地址:
加入VIP超值

├─01-课程介绍 (1讲)
│    00.打通修炼机器学习的任督二脉
│
├─02-机器学习概观 (10讲)
│    01.频率视角下的机器学习
│    02.贝叶斯视角下的机器学习
│    03.学什么与怎么学
│    04.计算学习理论
│    05.模型的分类方式
│    06.模型的设计准则
│    07.模型的验证方法
│    08.模型的评估指标
│    09.实验设计
│    10.特征预处理
│
├─03-统计机器学习模型 (18讲)
│    11.基础线性回归：一元与多元
│    12.正则化处理：收缩方法与边际化
│    13.线性降维：主成分的使用
│    14.非线性降维：流形学习
│    15.从回归到分类：联系函数与降维
│    16.建模非正态分布：广义线性模型
│    17.几何角度看分类：支持向量机
│    18.从全局到局部：核技巧
│    19.非参数化的局部模型：K近邻
│    20.基于距离的学习：聚类与度量学习
│    21.基函数扩展：属性的非线性化
│    22.自适应的基函数：神经网络
│    23.层次化的神经网络：深度学习
│    24.深度编解码：表示学习
│    25.基于特征的区域划分：树模型
│    26.集成化处理：Boosting与Bagging
│    27.万能模型：梯度提升与随机森林
│    总结课.机器学习的模型体系
│
├─04-概率图模型 (14讲)
│    28.最简单的概率图：朴素贝叶斯
│    29.有向图模型：贝叶斯网络
│    30.无向图模型：马尔可夫随机场
│    31.建模连续分布：高斯网络
│    32.从有限到无限：高斯过程
│    33.序列化建模：隐马尔可夫模型
│    34.连续序列化模型：线性动态系统
│    35.精确推断：变量消除及其拓展
│    36.确定近似推断：变分贝叶斯
│    37.随机近似推断：MCMC
│    38.完备数据下的参数学习：有向图与无向图
│    39.隐变量下的参数学习：EM方法与混合模型
│    40.结构学习：基于约束与基于评分
│    总结课.贝叶斯学习的模型体系
│
└─05-寄语 (1讲)
      结课.终有一天，你将为今天的付出骄傲


下载地址:
加入VIP超值

欢迎光临 IT视频教程资源网 (http://amachip.top/)