最新Python機器學習和演算法高階版視訊教程
阿新 • • 發佈:2018-12-16
目錄:第一課:機器學習的數學基礎1 - 數學分析1. 機器學習的一般方法和橫向比較 2. 數學是有用的:以SVD為例 3. 機器學習的角度看數學 4. 複習數學分析 5. 直觀解釋常數e 6. 導數/梯度 7. 隨機梯度下降 8. Taylor展式的落地應用 9. gini係數 10. 凸函式 11. Jensen不等式 12. 組合數與資訊熵的關係第二課:機器學習的數學基礎2 - 概率論與貝葉斯先驗 1. 概率論基礎 2. 古典概型 3. 貝葉斯公式 4. 先驗分佈/後驗分佈/共軛分佈 5. 常見概率分佈 6. 泊松分佈和指數分佈的物理意義 7. 協方差(矩陣)和相關係數 8. 獨立和不相關 9. 大數定律和中心極限定理的實踐意義 10. 深刻理解最大似然估計MLE和最大後驗估計MAP 11. 過擬合的數學原理與解決方案第三課:機器學習的數學基礎3 - 矩陣和線性代數