机器学习高手全解最新扛鼎制作 凝聚汗水的白板推导 机器学习纯手工教学实战课程

  • 正文概述
  • 机器学习高手最新扛鼎制作课程的最大优势,就是还原了课堂上课的真实感觉,加之讲师一流的技术水平以及清晰的逻辑和推导能力,让机器学习这个本身就难啃的硬骨头,软了不少。课程内容对机器学习进行了非常详细的拆解,除了常规的内容,还进行了包括高斯混合模型GMM,隐马尔可夫模型,变分推断,线性动态系统-卡曼滤波,受限玻尔兹曼机RBM,前馈神经网络等等前置的课程。如果觉得一般课程有难度的同学,可以来试试白板推导系列的课程,一定会有不一样的体验。
    ===============课程目录===============
    (1)\机器学习-白板推导系列(10)-EM算法;目录中文件数:6个
    ├─EM算法(1)-EM算法公式以及算法收敛性证明.flv
    ├─EM算法(2)-EM算法公式导出之ELBO-KL Diver.flv
    ├─EM算法(3)-EM算法公式导出之ELBO-Jensen I.flv
    ├─EM算法(4)-EM算法再回首.flv
    ├─EM算法(5)-广义EM.flv
    ├─EM算法(6)-EM变种.flv
    (2)\机器学习-白板推导系列(11)-高斯混合模型GMM;目录中文件数:4个
    ├─高斯混合模型(1)-模型介绍.flv
    ├─高斯混合模型(2)-极大似然.flv
    ├─高斯混合模型(3)-EM求解-E-Ste.flv
    ├─高斯混合模型(4)-EM求解-M-Ste.flv
    (3)\机器学习-白板推导系列(12)-变分推断;目录中文件数:5个
    ├─变分推断1(背景介绍).flv
    ├─变分推断2(公式推导).flv
    ├─变分推断3(再回首).flv
    ├─变分推断4(随机梯度变分推断-SGVI-1).flv
    ├─变分推断5(随机梯度变分推断-SGVI-2).flv
    (4)\机器学习-白板推导系列(13)-MCMC;目录中文件数:8个
    ├─蒙特卡洛方法1.flv
    ├─蒙特卡洛方法2.flv
    ├─蒙特卡洛方法3.flv
    ├─蒙特卡洛方法4.flv
    ├─蒙特卡洛方法5-吉布斯采样.flv
    ├─蒙特卡洛方法6.flv
    ├─蒙特卡洛方法7.flv
    ├─蒙特卡洛方法8.flv
    (5)\机器学习-白板推导系列(14)-隐马尔可夫模型;目录中文件数:8个
    ├─隐马尔可夫模型HMM(1)-背景介绍.flv
    ├─隐马尔可夫模型HMM(2)-背景介绍.flv
    ├─隐马尔可夫模型HMM(3)-前向算法.flv
    ├─隐马尔可夫模型HMM(4)-后向算法.flv
    ├─隐马尔可夫模型HMM(5)-Baum Welch算法.flv
    ├─隐马尔可夫模型HMM(6)-维特比算法.flv
    ├─隐马尔可夫模型HMM(7)-小结.flv
    ├─隐马尔可夫模型HMM(8)-小结.flv
    (6)\机器学习-白板推导系列(15)-线性动态系统-卡曼滤波;目录中文件数:3个
    ├─线性动态系统1-KalmanFilter.flv
    ├─线性动态系统2-Filtering问题.flv
    ├─线性动态系统3-Filtering问题求解.flv
    (7)\机器学习-白板推导系列(16)-粒子滤波;目录中文件数:4个
    ├─粒子滤波1-背景介绍.flv
    ├─粒子滤波2-重要性采样.flv
    ├─粒子滤波3-重采样.flv
    ├─粒子滤波4-SIR Filter.flv
    (8)\机器学习-白板推导系列(17)-条件随机场CRF;目录中文件数:8个
    ├─条件随机场(1)-背景介绍.flv
    ├─条件随机场(2)-HMM VS MEM.flv
    ├─条件随机场(3)-MEMM VS CR.flv
    ├─条件随机场(4)-CRF模型-概率密度.flv
    ├─条件随机场(5)-CRF模型-概率密度.flv
    ├─条件随机场(6)-CRF模型-要解决的.flv
    ├─条件随机场(7)-CRF模型-Infe.flv
    ├─条件随机场(8)-CRF模型-Lear.flv
    (9)\机器学习-白板推导系列(18)-高斯网络;目录中文件数:3个
    ├─高斯网络(1)-总体介绍.flv
    ├─高斯网络(2)-高斯贝叶斯网络.flv
    ├─高斯网络(3)-高斯马尔科夫随机场.flv
    (10)\机器学习-白板推导系列(19)-贝叶斯线性回归;目录中文件数:5个
    ├─贝叶斯线性回归(1)-背景介绍.flv
    ├─贝叶斯线性回归(2)-推导介绍.flv
    ├─贝叶斯线性回归(3)-推导介绍.flv
    ├─贝叶斯线性回归(4)-推导预测.flv
    ├─贝叶斯线性回归(5)-小结.flv
    (11)\机器学习-白板推导系列(1)-开篇;目录中文件数:2个
    ├─开篇(1)-频率派VS贝叶斯派.flv
    ├─开篇(2)-学习资料介绍.flv
    (12)\机器学习-白板推导系列(20)-高斯过程GP;目录中文件数:4个
    ├─高斯过程GP(1)-简单介绍.flv
    ├─高斯过程GP(2)-权重空间角度.flv
    ├─高斯过程GP(3)-权重空间到函数空间.flv
    ├─高斯过程GP(4)-函数空间的角度.flv
    (13)\机器学习-白板推导系列(21)-受限玻尔兹曼机RBM;目录中文件数:6个
    ├─受限玻尔兹曼机RBM(1)-背景介绍.flv
    ├─受限玻尔兹曼机RBM(2)-背景介绍.flv
    ├─受限玻尔兹曼机RBM(3)-模型表示.flv
    ├─受限玻尔兹曼机RBM(4)-模型表示.flv
    ├─受限玻尔兹曼机RBM(5)-模型推断.flv
    ├─受限玻尔兹曼机RBM(6)-模型推断.flv
    (14)\机器学习-白板推导系列(22)-谱聚类;目录中文件数:5个
    ├─谱聚类(1)-背景介绍.flv
    ├─谱聚类(2)-模型介绍.flv
    ├─谱聚类(3)-模型的矩阵形式.flv
    ├─谱聚类(4)-模型的矩阵形式.flv
    ├─谱聚类(5)-模型的矩阵形式.flv
    (15)\机器学习-白板推导系列(23)-前馈神经网络;目录中文件数:3个
    ├─前馈神经网络(1)-从机器学习到深度学习.flv
    ├─前馈神经网络(2)-从感知机到深度学习.flv
    ├─前馈神经网络(3)-非线性问题的三种解决方法.flv
    (16)\机器学习-白板推导系列(2)-数学基础;目录中文件数:7个
    ├─数学基础(1)-高斯分布-极大似然估计.flv
    ├─数学基础(2)-高斯分布-极大似然估计(无偏估计VS有偏估计)).flv
    ├─数学基础(3)-高斯分布-从概率密度函数角度观察.flv
    ├─数学基础(4)-高斯分布-局限性.flv
    ├─数学基础(5)-高斯分布-已知联合概率求边缘概率及条件概率.flv
    ├─数学基础(6)-高斯分布-已知边缘和条件概率求联合概率分布.flv
    ├─数学基础(7)-不等式-杰森不等式.flv
    (17)\机器学习-白板推导系列(3)-线性回归;目录中文件数:4个
    ├─线性回归1(最小二乘法及其几何意义)).flv
    ├─线性回归2(最小二乘法-概率视角-高斯噪声-MLE)).flv
    ├─线性回归3(正则化-岭回归)).flv
    ├─线性回归4(正则化-岭回归-概率角度-高斯噪声高斯先验-MAP).flv
    (18)\机器学习-白板推导系列(4)-线性分类;目录中文件数:9个
    ├─线性分类1-背景.flv
    ├─线性分类2-感知机(Perceptron).flv
    ├─线性分类3-线性判别分析(Fisher判别分析)-模型.flv
    ├─线性分类4-线性判别分析(Fisher判别分析)-模型.flv
    ├─线性分类5-逻辑回归.flv
    ├─线性分类6-高斯判别分析.flv
    ├─线性分类7-高斯判别分析.flv
    ├─线性分类8-高斯判别分析.flv
    ├─线性分类9-朴素贝叶斯分类器.flv
    (19)\机器学习-白板推导系列(5)-降维;目录中文件数:6个
    ├─降维1-背景介绍.flv
    ├─降维2-样本均值&样本方差的矩阵表示.flv
    ├─降维3-主成分分析(PCA)-最大投影方差角度.flv
    ├─降维4-主成分分析(PCA)-最小重构代价角度.flv
    ├─降维5-主成分分析(PCA)-SVD角度.flv
    ├─降维6-主成分分析(PCA)-概率角度.flv
    (20)\机器学习-白板推导系列(6)-支持向量机SVM;目录中文件数:9个
    ├─支持向量机1-硬间隔SVM-模型定义.flv
    ├─支持向量机2-硬间隔SVM-模型求解.flv
    ├─支持向量机3-硬间隔SVM-模型求解.flv
    ├─支持向量机4-软间隔SVM-模型定义.flv
    ├─支持向量机5-约束优化问题-弱对偶性证明.flv
    ├─支持向量机6-约束优化问题-对偶关系的几何解.flv
    ├─支持向量机7-约束优化问题-对偶关系之sla.flv
    ├─支持向量机8-约束优化问题-对偶关系之KKT.flv
    ├─支持向量机9-备份.flv
    (21)\机器学习-白板推导系列(7)-核方法;目录中文件数:4个
    ├─核方法(1)-背景介绍.flv
    ├─核方法(2)-正定核的两个定义.flv
    ├─核方法(3)-正定核充要条件-必要性证明.flv
    ├─核方法(4)-备份.flv
    (22)\机器学习-白板推导系列(8)-指数族分布;目录中文件数:7个
    ├─指数族分布1-背景.flv
    ├─指数族分布2-背景.flv
    ├─指数族分布3-高斯分布的指数族形式.flv
    ├─指数族分布4-对数配分函数与充分统.flv
    ├─指数族分布5-极大似然估计与充分统.flv
    ├─指数族分布6-最大熵角度.flv
    ├─指数族分布7-最大熵角度.flv
    (23)\机器学习-白板推导系列(9)-概率图模型基础;目录中文件数:15个
    ├─概率图模型1-背景介绍.flv
    ├─概率图模型10-推断.flv
    ├─概率图模型11-推断.flv
    ├─概率图模型12-推断.flv
    ├─概率图模型13-推断.flv
    ├─概率图模型14-概念补充-道德图.flv
    ├─概率图模型15-概念补充-因子图.flv
    ├─概率图模型2-贝叶斯网络-Representation-条件独立性.flv
    ├─概率图模型3(补充解释)-贝叶斯网络-Representation-条件独立性).flv
    ├─概率图模型4-贝叶斯网络.flv
    ├─概率图模型5-贝叶斯网络.flv
    ├─概率图模型6-马尔可夫随机场.flv
    ├─概率图模型7-马尔可夫随机场.flv
    ├─概率图模型8-推断Inference.flv
    ├─概率图模型9-推断.flv
    本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 330879038@qq.com 举报,一经查实,本站将立刻删除。
    优品资源 » 机器学习高手全解最新扛鼎制作 凝聚汗水的白板推导 机器学习纯手工教学实战课程
    赞助VIP 享更多特权,建议使用 QQ 登录
    喜欢我嘛?喜欢就按“ctrl+D”收藏我吧!♡