开篇词 (1讲)

开篇词 | 打通修炼机器学习的任督二脉

机器学习概观 (10讲)

01 | 频率视角下的机器学习
02 | 贝叶斯视角下的机器学习
03 | 学什么与怎么学
04 | 计算学习理论
05 | 模型的分类方式
06 | 模型的设计准则

统计机器学习模型 (18讲)

11 | 基础线性回归:一元与多元
12 | 正则化处理:收缩方法与边际化
13 | 线性降维:主成分的使用
14 | 非线性降维:流形学习
15 | 从回归到分类:联系函数与降维
16 | 建模非正态分布:广义线性模型

概率图模型 (14讲)

28 | 最简单的概率图:朴素贝叶斯
29 | 有向图模型:贝叶斯网络
30 | 无向图模型:马尔可夫随机场
31 | 建模连续分布:高斯网络
32 | 从有限到无限:高斯过程
33 | 序列化建模:隐马尔可夫模型

结束语 (1讲)

结课 | 终有一天,你将为今天的付出骄傲

加餐 (2讲)

如何成为机器学习工程师?
结课测试 | 这些机器学习知识你都掌握了吗?

发表回复

后才能评论

默认是geekape.net

解压密码:@vposy