机器学习入门学习40课2018年9月

发布:2026-11-18 栏目:编程开发 浏览下载:/

加入收藏 错误报告

  ├─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

上一篇:电商数据分析师(全)(价值1800)

下一篇:很抱歉没有了

返回顶部

拨打电话
在线咨询
扫码添加客服微信咨询问题

24H服务电话: 15610047637