机器学习原理与应用入门:从代码展示到模型架构[2.18GB]百度网盘下载

机器学习原理与应用入门:从代码展示到模型架构[2.18GB]百度网盘下载

资源为机器学习原理与应用入门:从代码展示到模型架构[2.18GB]百度网盘下载,包含79节视频课程,无需下载即可在线播放。

机器学习原理与应用入门:从代码展示到模型架构[2.18GB]百度网盘下载

这门课介绍了传统的机器学习中最常使用的模型及其背后的数学原理,帮助你掌握工业界最常用的机器学习模型,包括何时适合使用、如何评价模型的效果、如何持续的改进模型。通过这门课的学习,你可以达到初级机器学习工程师的理论知识水平,为接下来的深度学习与强化学习课程打下基础。

您将获得

了解机器学习的含义和基本范式,熟悉KNN算法和代码展示

了解机器学习背后的数学,知道如何用概率论度量模型

了解逻辑斯蒂回归模型的架构,认识PCA、神经网络和SVM

资源目录

第 1 讲机器学习引入

1.1机器学习是什么 时长 06:17

1.2什么是模型 时长 08:23

1.3监督学习与损失函数 时长 06:43

1.4梯度下降 时长 14:04

1.5数据标注的价值 时长 04:12

1.6代码展示(一) 时长 09:26

1.7代码展示(二) 时长 09:04

1.8代码展示(三) 时长 07:36

第 2 讲分类问题

2.1机器学习的三大基本范式(一) 时长 09:03

2.2机器学习的三大基本范式(二) 时长 07:45

2.3监督学习中分类、回归及特征是什么 时长 09:31

2.4感知机 时长 09:59

2.5代价函数 时长 10:12

2.6随机梯度下降、如何判断分类器的好坏 时长 10:44

2.7感知机的缺陷及课程总结 时长 07:24

2.8代码展示 时长 09:07

第 3 讲KNN算法

3.1KNN算法是什么 时长 10:19

3.2如何选择KNN中的K 时长 13:48

3.3过拟合和交叉验证 时长 11:14

3.4代码展示及KNN算法的问题 时长 13:38

第 4 讲机器学习背后的数学(上)

4.1机器学习什么时候会成功 时长 06:55

4.2如何用概率论度量模型的不确定性(一) 时长 08:24

4.3如何用概率论度量模型的不确定性(二) 时长 12:31

4.4如何用概率论度量模型的不确定性(三) 时长 13:33

4.5如何用概率论度量模型的不确定性(四) 时长 11:14

4.6如何用概率论度量模型的不确定性(五) 时长 08:46

4.7模型误差的两种分类(一) 时长 13:44

4.8模型误差的两种分类(二) 时长 12:28

4.9模型误差的两种分类(三) 时长 13:24

4.10代码展示 时长 06:24

第 5 讲机器学习背后的数学(下)

5.1如何选择好的特征值(一) 时长 12:03

5.2如何选择好的特征值(二) 时长 10:30

5.3如何选择好的特征值(三) 时长 10:48

5.4正则化(一) 时长 13:54

5.5正则化(二) 时长 12:09

5.6代码展示(一) 时长 10:08

5.7代码展示(二) 时长 13:08

第 6 讲加入概率更健康之逻辑斯蒂回归

6.1逻辑斯蒂模型的架构 时长 10:41

6.2交叉熵KL散度 时长 12:18

6.3如何度量模型的目标(一) 时长 15:19

6.4如何度量模型的目标(二) 时长 13:24

6.5如何求解逻辑斯蒂回归模型的优化问题(一) 时长 13:15

6.6如何求解逻辑斯蒂回归模型的优化问题(二) 时长 07:33

6.7代码展示(一) 时长 10:36

6.8代码展示(二) 时长 13:59

6.9代码展示(三) 时长 05:42

第 7 讲模拟人类理性的决策树

7.1决策树是什么 时长 09:34

7.2信息熵,如何衡量哪些特征重要 时长 09:38

7.3如何用信息增益在决策树中选择特征(一) 时长 11:41

7.4如何用信息增益在决策树中选择特征(二) 时长 04:45

7.5决策树的构建何时停下来 时长 13:49

7.6决策树如何应对连续特征 时长 14:52

7.7决策树如何应对过拟合 时长 03:59

7.8随机森林在回归问题上的代码演示 时长 10:10

第 8 讲集群模型

8.1复习决策树 时长 06:08

8.2Bagging方法 时长 05:27

8.3Boosting方法(一) 时长 09:28

8.4Boosting方法(二) 时长 08:54

8.5Boosting方法(三) 时长 06:48

8.6Boosting方法(四) 时长 09:35

第 9 讲PCA

9.1主成分分析背后的直觉 时长 13:54

9.2PCA怎么做 时长 08:18

9.3代码展示(一) 时长 10:31

9.4代码展示(二) 时长 09:30

第 10 讲升维大法之神经网络

10.1传统机器学习方法的问题(一) 时长 06:13

10.2传统机器学习方法的问题(二) 时长 10:18

10.3神经网络的历史发展 时长 06:27

10.4神经网络三要素之一:权重矩阵 时长 08:43

10.5神经网络三要素之激活函数、决策层 时长 10:47

10.6网页展示 时长 09:07

第 11 讲升维大法之SVM

11.1SVM的目标:如何将间隔最大化 时长 09:07

11.2SVM要解决什么样的优化问题 时长 10:20

11.3拉格朗日最优问题的解法(一) 时长 08:34

11.4拉格朗日最优问题的解法(二) 时长 07:55

11.5SVM中的软间隔 时长 09:25

11.6SVM中的核函数 时长 06:59

11.7核函数为什么有用(一) 时长 05:32

11.8核函数为什么有用(二) 时长 10:37

11.9SVM与其他模型的对比 时长

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