機器學習基礎教程
阿新 • • 發佈：2018-11-27
機器學習基礎教程，包含基本的機器學習相關演算法，是很好的入門課程。
七月演算法 北郵 鄒博老師主講
課程目錄：01 微積分與概率論基礎
02 引數估計與矩陣運算基礎
03 凸優化基礎
04 廣義線性迴歸和對偶優化
05 牛頓、擬牛頓、梯度下降、隨機梯度下降(SGD)
06 熵、最大熵模型MaxEnt、改進的迭代尺度法IIS
07 聚類（k-means、層次聚類、譜聚類等）
08 K近鄰、決策樹、隨機森林(random decision forests)
09 Adaboost
10 樸素貝葉斯、與貝葉斯網路
11 支援向量機（最大間隔分類、拉格朗日乘值、對偶問題、損失函式、最優化理論、SMO）
12 EM、混合高斯模型
12 衣服推薦系統
13 主題模型（概率潛語義分析PLSA、隱含狄利克雷分佈LDA）
14.15 馬爾科夫鏈、隱馬爾可夫模型HMM、取樣
16 馬爾可夫隨機場(Markov Random Field)、條件隨機場CRF
17 SVD、主成分分析PCA、因子分析、獨立成分分析ICA
18 卷積神經網路(CNN)、深度學習淺析
19 變分推斷方法
20 知識圖譜
21 講義資料
獲取檔案下載連結方式：關注微信公眾號“深度學習演算法社群”
