机器学习全新升级版

499¥899.00

  • 课程学习日历
  • 第1章:机器学习的数学基础
  • 1.1 函数介绍
  • 练习:函数介绍
  • 1.2 向量
  • 练习:向量
  • 1.3 矩阵与张量
  • 练习:矩阵与张量
  • 1.4 特征值和特征向量
  • 练习:特征值与特征向量
  • 1.5 奇异值分解
  • 练习:奇异值分解
  • 1.6 Jacobian和Hessian矩阵
  • 1.7 凸函数
  • 练习:凸函数
  • 第2章:机器学习的数学基础
  • 2.1 概率问题
  • 练习:概率问题
  • 2.2 独立性随机变量
  • 2.3 期望、方差和协方差
  • 练习:期望、方差和协方差
  • 2.4 联合概率
  • 练习:联合概率
  • 2.5 分布(1)
  • 2.6 分布(2)
  • 第一周答疑 2018.12.18 20:50
  • 第3章:机器学习的数学基础
  • 3.1 机器学习的模型
  • 3.2 机器学习的应用
  • 3.3 过拟合
  • 3.4 机器学习的分类
  • 第4章:机器学习的哲学(Philosophy of ML)
  • 4.1 有监督学习
  • 4.2 损失函数
  • 4.3 梯度下降(1)
  • 4.4 梯度下降(2)
  • 4.5 牛顿方法
  • 第二周答疑 2018.12.25 20:50
  • 第5章:经典机器学习模型(Classical ML Models)
  • 5.1 有参和无参模型
  • 5.2 KNN简介
  • 5.3 距离测算
  • 5.4 朴素贝叶斯
  • 5.5 朴素贝叶斯的实际应用
  • 第6章:经典机器学习模型(Classical ML Models)
  • 6.1 决策树简介
  • 6.2 信息熵(1)
  • 6.3 信息熵(2)
  • 6.4 ID3算法
  • 6.5 决策树节点的划分
  • 第三周答疑 2019.01.01 20:50
  • 第7章:经典机器学习模型(Classical ML Models)
  • 7.1CART树
  • 7.2 Bagging
  • 7.3 Boosting
  • 7.4 Gradient Boosting
  • 第8章:线性模型(Linear Models)
  • 8.1线性模型
  • 8.2 最小二乘
  • 8. 3 线性分类器
  • 8.4 极大似然
  • 8.5 逻辑回归(1)
  • 第四周答疑 2019.01.08 20:50
  • 第9章:线性模型(Linear Models)
  • 9.1 逻辑回归(2)
  • 9.2 岭回归
  • 9.3 LASS01
  • 9.4 优化方法(1)
  • 9.5 优化方法(2)
  • 第10章:核方法(Kernel Methods)
  • 10.1 拉格朗日乘子法(1)
  • 10.2 拉格朗日乘子法(2)
  • 10.3 拉格朗日乘子法(3)
  • 10.4 最大间隔
  • 第五周答疑 2019.01.15 20:50
  • 第11章:核方法(Kernel Methods)
  • 核方法(Kernel Methods) 2019.01.17 19:50
  • 第12章:统计学习(Statistical Learning)
  • 第六周答疑 2019.01.22 20:50
  • 第13章:统计学习(Statistical Learning)
  • 统计学习(Statistical Learning) 2019.01.24 19:50
  • 第14章:统计学习(Statistical Learning)
  • 第七周答疑 2019.01.29 20:50
  • 第15章:统计学习(Statistical Learning)
  • 统计学习(Statistical Learning) 2019.01.31 19:50
  • 第16章:无监督学习(Unsupervised Learning)
  • 第八周答疑 2019.02.12 20:50
  • 第17章:流形学习(Manifold Learning)
  • 流形学习(Manifold Learning) 2019.02.14 19:50
  • 第18章:概念学习(Concept Learning)
  • 第九周答疑 2019.02.19 20:50
  • 第19章:强化学习(Reinforcement Learning)
  • 强化学习(Reinforcement Learning) 2019.02.21 19:50
  • 第20章:神经网络
  • 第十周答疑 2019.02.26 20:50

授课教师

小象学院签约讲师英国布里斯托(Bristol)大学硕士、博士。美国加州大学伯克利分校(UC Berkeley)博士后、牛津 (Oxford)...