机器学习视频资源合集
【课程内容】
bat产业利用
(01)机械进修与相关数学初步
(02)数理统计与参数估量
(03)矩阵分析与利用
(04)凸优化初步
(05)回归分析与工程利用
(06)特征工程
(07)工作流程与模子调优
(08)最大熵模子与EM算法
(09)保举系统与利用
(10)聚类算法与利用
(11)决议树随机森林和adaboost
(12)SVM
(13)贝叶斯方式
(14)主题模子
(15)贝叶斯推理采样与变分
(16)野生神经收集
(17)卷积神经收集
(18)循环神经收集与LSTM
(19)Caffe&Tensor Flow&MxNet 简介
(20)贝叶斯收集和HMM
(额外补充)词嵌入word embedding
july算法教程
1.管窥算法
2.字符串
3.数组
4.树
5.链表递归栈
6.查找排序
7.图论（上）
8.图论下
9.贪心法和静态计划
10.几率分治和机械进修
国防科技大学蔡宣平形式识别
01.概述
02.特征矢量及特征空间、随机矢量、正态散布特征
03.聚类分析的概念、类似性测度
04.类似性测度（二）
05.类间间隔、原则函数
06.聚类算法：简单聚类算法、谱系聚类算法
07.聚类算法：静态聚类算法——C均值聚类算法
08.聚类算法：静态聚类算法——近邻函数算法
09.聚类算法尝试
10.辨别域界面方程分类的概念、线性辨别函数
11.辨别函数值的辨别意义、权空间及解空间、fisher线性辨别
12.线性可分条件下辨别函数权矢量算法
13.一般情况下的辨别函数权矢量算法
14.非线性辨别函数
15.比来邻方式
16.感知器算法尝试
17.最小误判几率原则
18.正态散布的最小误判几率、最小损失原则判决
19.含拒绝判决的最小损失原则、最小最大损失原则
20.Neyman—Pearson判决、实例
21.概述、矩法估量、最大似然估量
22.贝叶斯估量
23.贝叶斯进修
24.概密的窗函数估量方式
25.有限项正交函数级数逼近法
26.毛病率估量
27.小结
28.尝试3-4-5 Bayes分类器-kNN分类器-视频动方针检测
29.概述、种别可分性判据（一）
30.种别可分性判据（二）
31.基于可分性判据的特征提取
32.离散KL变更与特征提取
33.离散KL变更在特征提取与挑选中的利用
34.特征挑选中的间接挑选法
35.综合尝试-图像中的字符识别
炼数成金机械进修
第1课 机械进修概论
第2课 线性回归与Logistic。案例：电子商务业绩猜测
第3课 岭回归，Lasso，变量挑选技术。从一团乱麻中识别有用维度的技能
第4课 降维技术。案例：业绩综合目标设想
第5课 线性分类器，Knn算法，朴实贝叶斯分类器，文本挖掘，案例：智能判定渣滓短信，经过文本挖掘给用户加标签，批评自动分析，用户流失预警
第6课 决议树，组合提升算法，bagging和adaboost，随机森林。案例：运营商用户分析
第7课 支持向量机，为什么能了解SVM的人凤毛麟角
第8课 野生神经收集，单层感知器，线性神经收集，BP神经收集，基于梯度下降的进修算法，图像紧缩和银行用户信誉评价
第9课 通用逼近器径向基函数神经收集，在新概念下审阅PDA和SVM。Hopfield联想记忆型神经收集。案例：字符识别，人脸识别
第10课 几率神经收集和信心贝叶斯分类器
第11课 聚类，孤立点辨别。案例：保举系统，自动品酒器，做弊识别，社会系统团体识别
交大张志华统计机械进修
01、根基概念
02、随机向量
03、随机向量性质
04、多元高斯散布
05、散布性质
06、条件期望
07、多项式散布
08、多元高斯散布及利用
09、渐进性质
10、核界说
11、正定核性质
12、正定核利用
13、核主元分析
14、主元分析
15、主坐标分析
16、期望最大算法
17、几率PCA
18、最大似然估量方式
19、EM算法收敛性
20、MDS方式
21、MDS中加点方式
22、矩阵次导数
23、T矩阵范数
24、次导数
25、spectral clustering
26、K-means algorithm
27、Matrix Completion
28、Fisher辨别分析
29、谱聚类
30、Computational Methods
31、Fisher Discriminant Analysis
32、Kernel FDA
33、Linear classification
34、Naive Bayes方式
35、Support Vector Machines
36、SUM
37、Boosting
南大周志华普适机械进修PPT
台大叶柄成几率
【下载地址】
**** Hidden Message *****
页:
[1]