课程介绍:
如果你从来没有使用过机器学习,你会想,这个不就是编程吗?或者,到底机器学习是什么?首先,我们确实是使用编程语言来实现机器学习模型,我们跟计算机其他领域一样,使用同样的编程语言和硬件。但不是每个程序都用了机器学习。对于第二个问题,精确定义机器学习就像定义什么是数学一样难。
课程截图:
〖课程目录〗:
- | └──9、花书+西瓜书+统计学习
- | | ├──《机器学习》
- | | | ├──00 看开营仪式,了解学习模式
- | | | ├──01 第一周:学习机器学习绪论
- | | | ├──02 第一周:打达观杯NLP算法大赛
- | | | ├──03 第一周;参加打比赛的直播答疑
- | | | ├──04 第二周:学习线性模型
- | | | ├──05 第二周:每周学习任务简单总结
- | | | ├──06 第三周:决策树的分裂准则
- | | | ├──07 第三周:学习sklearn包中决策树算法的使用
- | | | ├──08 第三周:每周学习任务简单总结
- | | | ├──09 第四周:支持向量机原始模型的建立和求解
- | | | ├──10 第四周:核函数和软间隔支持向量机
- | | | ├──11 第四周:了解sklearn包中svm算法的使用
- | | | ├──12 第四周学习任务简单总结
- | | | ├──13 第五周:极大似然估计与朴素贝叶斯
- | | | ├──14 第五周:EM算法
- | | | ├──15 了解sklearn包中的朴素贝叶
- | | | ├──16 第五周:本周学习任务简单总结
- | | | ├──17 第六周:神经网络结构+直播答疑问题收集
- | | | ├──18 第六周:直播答疑日
- | | | ├──19 第六周:深度学习初探
- | | | ├──20 第六周:了解sklearn包中神经网络的使用
- | | | ├──21 第六周:学习任务简单总结
- | | | ├──22 第七周:经验误差与过拟合
- | | | ├──23 第七周:评估方法
- | | | ├──24 第七周:性能度量
- | | | ├──25 第七周:了解sklearn包中模型评估方
- | | | ├──26 第七周:学习任务简单总结
- | | | ├──27 第八周:特征降维
- | | | ├──28 第八周:特征选择
- | | | ├──29 第八周:了解sklearn包中特征选择和降维算法的使用
- | | | ├──30 第八周:学习任务简单总结
- | | | ├──31 第九周:集成学习
- | | | ├──32 第九周:直播答疑日
- | | | ├──33 第九周:结合策略
- | | | ├──34 第九周:实验-lightGBM的使用
- | | | ├──35 第九周:学习任务简单总结
- | | | ├──36 第十周:聚类
- | | | ├──37 第十周:HMM
- | | | ├──38 第十周实验-sklearn-user guide 2.3.2
- | | | ├──40 第十周学习任务简单总结+问题收集日
- | | | ├──41 第十一周:任务与奖赏
- | | | ├──42 第十一周:K-摇臂赌博机+直播答疑日
- | | | ├──43 第十一周:有无模型学习
- | | | └──44 第十一周学习任务简单总结
- | | ├──《深度学习》
- | | | ├──00【学前准备】开营仪式,认识群内的小伙伴
- | | | ├──01 第一周线性代数
- | | | ├──02 第一周:概率与信息伦,数值计算
- | | | ├──03 第一周:本周学习任务简单总结
- | | | ├──04 第二周 机器学习算法基本概念
- | | | ├──05 第二周 贝叶斯统计与逻辑回归
- | | | ├──06 第二周:本周学习任务简单总结
- | | | ├──07 第三周:LDA与SVM算法
- | | | ├──08 第三周:随机梯度下降
- | | | ├──09 第三周:本周学习任务简单总结
- | | | ├──10 第四周:前馈神经网络损失函数
- | | | ├──11 第四周:前馈神经网络架构设计 反向传播、
- | | | ├──12 第四周:直播答疑日
- | | | ├──13 第四周:本周学习任务简单总结
- | | | ├──14 第五周:范数惩罚正则化
- | | | ├──15 第五周:深度模型中的优化
- | | | ├──16 第五周:本周学习任务简单总结
- | | | ├──17 第五周:直播答疑
- | | | ├──18 第六周:卷积神经网络基础
- | | | ├──19 第六周:卷积函数变体
- | | | ├──20 第六周:本周任务简单总结+直播答疑日
- | | | ├──21 第七周:RNN概念&前向传播
- | | | ├──22 第七周:RNN反向传播与并行计算
- | | | ├──23 第七周:本周学习任务简单总结
- | | | ├──24 第八周:lstm
- | | | ├──25 第八周:gru
- | | | ├──26 第八周:本周任务简单总结+直播答疑日
- | | | ├──27 第九周:推理加速、训练加速
- | | | ├──28 第九周:自适应和gan
- | | | ├──29 第九周:本周学习任务简单总结
- | | | └──花书第二期视频课PPT(完结)
- | | ├──《统计学习方法》
- | | | ├──00 学习第1章统计学习方法概论
- | | | ├──01 学习第2章感知机
- | | | ├──02 学习第3章k近邻
- | | | ├──03 Week1作业讲解及代码公布
- | | | ├──04 学习第4章朴素贝叶斯法
- | | | ├──05 学习第5章决策树
- | | | ├──06 参加直播答疑
- | | | ├──07 Week2作业讲解及代码公布
- | | | ├──08 学习第6章逻辑斯谛回归与最大熵模型
- | | | ├──09 学习第7章支持向量机
- | | | ├──10 Week3作业讲解及代码公布
- | | | ├──11 学习第8章提升方法
- | | | ├──12 学习第9章EM算法及推广
- | | | ├──13 直播答疑
- | | | ├──14 Week4作业讲解及代码公布
- | | | ├──15 学习第10章隐马尔科夫模型
- | | | ├──16 学习第11章条件随机场
- | | | └──17 Week5作业讲解及代码公布
- | | ├──花书-中文版.pdf 30.77M
- | | ├──机器学习_周志华.pdf 37.53M
- | | └──李航 统计学习方法 第二版.pdf 158.87M
声明:本站所有文章,如无特殊说明或标注,均为本站原创发布。任何个人或组织,在未征得本站同意时,禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益,可联系我们进行处理。