课程目录

• 1

  第1章 机器学习引论

•   课时 1 1.1.1（上）机器学习的定义 可试学
•   课时 2 1.1.1（中）机器学习与相关学科 可试学
•   课时 3 1.2.1（上）工作原理
•   课时 4 1.2.1（下）机器学习分类
•   课时 5 1.2.2机器学习的工作原理
•   课时 6 1.3.1机器学习背景
• 2

  第2章 概率密度估计

•   课时 7 2.1.1上
•   课时 8 2.1.1中
•   课时 9 2.1.1下
•   课时 10 2.2.1
•   课时 11 2.3.1
• 3

  第3章 感知机

•   课时 12 3.1.1感知机mox
•   课时 13 3.1.2感知机-参数含义
•   课时 14 3.2.1感知机-优化
•   课时 15 3.3.1感知机-归一化
•   课时 16 3.3.2感知机-改进
•   课时 17 3.3.2感知机-改进1
•   课时 18 3.3.2感知机-改进2
•   课时 19 3.3.3感知机-对偶理解
• 4

  第4章 Logistic回归

•   课时 20 4.1.1sigmod含义
•   课时 21 4.1.2逻辑回归动机
•   课时 22 4.1.3上逻辑思模型
•   课时 23 4.1.3下逻辑思求解
•   课时 24 4.2多类分类问题及不平衡问题
•   课时 25 4.3模型性能评估
• 5

  第5章 支持向量机

•   课时 26 5.1.1SVM动机
•   课时 27 5.1.1线性SVM
•   课时 28 5.1.2非线性原理
•   课时 29 5.1.5支持向量机对偶问题
•   课时 30 5.1.6稀疏支持向量
•   课时 31 5.3.2核技巧
•   课时 32 5.5.2线性不可分支持向量机及求解
•   课时 33 5.5.2线性不可分支持向量机稀疏性解释
• 6

  第6章 决策树

•   课时 34 6.1（上）决策树的动机
•   课时 35 6.2（下）决策树-原则
•   课时 36 6.2.1决策树-信息熵与纯度
•   课时 37 6.3.1决策树-ID3
•   课时 38 6.3.2决策树-C45-1
•   课时 39 6.4.1决策树-预剪枝
•   课时 40 6.4.2决策树-悲观剪枝
•   课时 41 6.4.3决策树-复杂度剪枝
•   课时 42 6.5决策树-cart
• 7

  第7章 集成学习

•   课时 43 7.1集成学习动机
•   课时 44 7.1.1集成学习-偏差-fangcha
•   课时 45 7.3.1集成学习-bagging
•   课时 46 7.4.3集成学习-adaboost
•   课时 47 7.4.4集成学习-函数空间梯度下降
•   课时 48 7.4.5集成学习-gBDT
• 8

  第8章 无监督学习

•   课时 49 8.1无监督学习介绍
•   课时 50 8.2.1kmean的优化，数据预处理
•   课时 51 8.2.4无监督学习-kmean初始化-参数选择
•   课时 52 8.3.1无监督学习-混合高斯模型
•   课时 53 8.4.1无监督学习-期望最大化算法
•   课时 54 8.6无监督学习-dbscan
• 9

  第9章 降维分析

•   课时 55 9.1降维分析-动机
•   课时 56 9.1降维分析-主成分分析
•   课时 57 9.2.1降维分析-隐语义分析
•   课时 58 9.2.1降维分析-隐语义分析-1
•   课时 59 9.2.2降维分析-隐语义分析-2
•   课时 60 9.2.3降维分析-概率隐语义分析
•   课时 61 9.2.3降维分析-概率隐语义分析-1
•   课时 62 9.2.3降维分析-概率隐语义分析-2
•   课时 63 9.3.1降维分析-非负分解
• 10

  第10章 神经网络

•   课时 64 10.1神经网络-初始化
•   课时 65 10.1神经网络-神经元模型-1
•   课时 66 10.2.2神经网络-前向传播-2
•   课时 67 10.3.1神经网络-梯度消失-梯度爆炸
•   课时 68 10.3神经网络-反向传播算法-bp
•   课时 69 10.3神经网络-反向传播-2
•   课时 70 10.3.3神经网络-归一化
•   课时 71 10.4神经网络优化
• 11

  第11章 深度神经网络

•   课时 72 11.1深度神经网络-CNN
•   课时 73 11.1深度神经网络-CNN-1
•   课时 74 11.1深度神经网络-CNN-2
•   课时 75 11.2深度神经网络-RNN
•   课时 76 11.2深度神经网络-RNN-1
•   课时 77 11.2深度神经网络-RNN-2
•   课时 78 11.3深度神经网络-GAN

学习资料

暂无学习资料