机器学习40讲:帮你打通机器学习的任督二脉[411.77MB]百度网盘下载

机器学习40讲:帮你打通机器学习的任督二脉[411.77MB]百度网盘下载

 

怎样入门机器学习?又有哪些学习路径呢?无论机器学习领域充斥着多少花哨的技术,归根结底,都是基本模型与基本方法的结合,而理解这些基本模型和基本方法就是掌握机器学习的要义所在。那么,问题来了,这么多模型到底要怎么学习呢?其实,这里面最关键的,是要梳理出机器学习的主线,把握不同模型之间的内在关联,能够融会贯通、系统地理解机器学习。

在本专栏中,王天一老师会从机器学习中的共性问题讲起,从统计机器学习和概率图模型两个角度,详细解读30个最流行的机器学习模型。除了理论之外,在每个模型的介绍中还会穿插一些基于Python语言的简单实例,帮你加强对于模型的理解。

专栏共3大模块。

机器学习概观。这一模块将从频率学派与贝叶斯学派这两个视角来看机器学习,并讨论超脱于模型和方法之外的一些共性问题,包括模型的分类方式、设计准则、评估指标等。

统计机器学习模型。这一模块将以线性模型为主线,讨论模型的多种扩展和修正,如正则化、线性降维、核方法、基函数变化、随机森林等,探究从简单线性回归到复杂深度网络的发展历程。

概率图模型。这一模块将以高斯分布为起点,将高斯分布应用到从简单到复杂的图模型中,由此认识不同的模型特性与不同的计算技巧,如朴素贝叶斯、高斯混合模型、马尔科夫随机场等。

资源目录

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

07 | 模型的验证方法

08 | 模型的评估指标

09 | 实验设计

10 | 特征预处理

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

17 | 几何角度看分类:支持向量机

18 | 从全局到局部:核技巧

19 | 非参数化的局部模型:K近邻

20 | 基于距离的学习:聚类与度量学习

21 | 基函数扩展:属性的非线性化

22 | 自适应的基函数:神经网络

23 | 层次化的神经网络:深度学习

24 | 深度编解码:表示学习

25 | 基于特征的区域划分:树模型

26 | 集成化处理:Boosting与Bagging

27 | 万能模型:梯度提升与随机森林

总结课 | 机器学习的模型体系

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

34 | 连续序列化模型:线性动态系统

35 | 精确推断:变量消除及其拓展

36 | 确定近似推断:变分贝叶斯

37 | 随机近似推断:MCMC

38 | 完备数据下的参数学习:有向图与无向图

39 | 隐变量下的参数学习:EM方法与混合模型

40 | 结构学习:基于约束与基于评分

总结课 | 贝叶斯学习的模型体系

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?

发表评论

您的电子邮箱地址不会被公开。 必填项已用*标注

本站所有资源版权均属于原作者所有,这里所提供资源均只能用于参考学习用,请勿直接商用。若由于商用引起版权纠纷,一切责任均由使用者承担。更多说明请参考 VIP介绍。

最常见的情况是下载不完整: 可对比下载完压缩包的与网盘上的容量,若小于网盘提示的容量则是这个原因。这是浏览器下载的bug,建议用百度网盘软件或迅雷下载。 若排除这种情况,可在对应资源底部留言,或联络我们。

对于会员专享、整站源码、程序插件、网站模板、网页模版等类型的素材,文章内用于介绍的图片通常并不包含在对应可供下载素材包内。这些相关商业图片需另外购买,且本站不负责(也没有办法)找到出处。 同样地一些字体文件也是这种情况,但部分素材会在素材包内有一份字体下载链接清单。

如果您已经成功付款但是网站没有弹出成功提示,请联系站长提供付款信息为您处理

源码素材属于虚拟商品,具有可复制性,可传播性,一旦授予,不接受任何形式的退款、换货要求。请您在购买获取之前确认好 是您所需要的资源