极客时间专栏课-王天一-机器学习40讲

课程介绍

课程来自于 极客时间专栏课-王天一-机器学习40讲(完结)

图片[1]-极客时间专栏课-王天一-机器学习40讲-不可思议资源网

你将获得

机器学习的必备核心理论

30 个最流行的机器学习模型

基于 Python 语言的实例练习

完整的机器学习知识体系

“机器学习 40 讲”终于和你见面了!

2017 年 12 月,王天一老师在极客时间开设了“人工智能基础课”专栏,带你进入人工智能的大门,介绍了人工智能所需要的基础数学、当前流行的深度学习技术、以及其他可能突破的技术路径等方方面面的内容。

人工智能基础课的第 2 季聚焦于机器学习。在新技术层出不穷的今日,机器学习依然占据着人工智能的核心地位,也是人工智能中发展最快的分支之一。

那么,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。

百度网盘部分截图

文件目录

/学习智库8/038-100008701-专栏课-王天一-机器学习40讲(完结)

| ├──01-开篇词 (1讲)

| | ├──00丨开篇词丨打通修炼机器学习的任督二脉.html 1.0MB

| | ├──00丨开篇词丨打通修炼机器学习的任督二脉.mp3 3.0MB

| | ├──00丨开篇词丨打通修炼机器学习的任督二脉.pdf 1.0MB

| ├──02-机器学习概观 (10讲)

| ├──03-统计机器学习模型 (18讲)

| | ├──11丨基础线性回归:一元与多元.html 2.0MB

| | ├──11丨基础线性回归:一元与多元.mp3 10.0MB

| | ├──11丨基础线性回归:一元与多元.pdf 2.0MB

| | ├──12丨正则化处理:收缩方法与边际化.html 1.0MB

| | ├──12丨正则化处理:收缩方法与边际化.mp3 9.0MB

| | ├──12丨正则化处理:收缩方法与边际化.pdf 1.0MB

| | ├──13丨线性降维:主成分的使用.html 2.0MB

| | ├──13丨线性降维:主成分的使用.mp3 9.0MB

| | ├──13丨线性降维:主成分的使用.pdf 2.0MB

| | ├──14丨非线性降维:流形学习.html 5.0MB

| | ├──14丨非线性降维:流形学习.mp3 8.0MB

| | ├──14丨非线性降维:流形学习.pdf 7.0MB

| | ├──15丨从回归到分类:联系函数与降维.html 2.0MB

| | ├──15丨从回归到分类:联系函数与降维.mp3 8.0MB

| | ├──15丨从回归到分类:联系函数与降维.pdf 2.0MB

| | ├──16丨建模非正态分布:广义线性模型.html 1.0MB

| | ├──16丨建模非正态分布:广义线性模型.mp3 8.0MB

| | ├──16丨建模非正态分布:广义线性模型.pdf 2.0MB

| | ├──17丨几何角度看分类:支持向量机.html 1.0MB

| | ├──17丨几何角度看分类:支持向量机.mp3 8.0MB

| | ├──17丨几何角度看分类:支持向量机.pdf 2.0MB

| | ├──18丨从全局到局部:核技巧.html 1.0MB

| | ├──18丨从全局到局部:核技巧.mp3 7.0MB

| | ├──18丨从全局到局部:核技巧.pdf 2.0MB

| | ├──19丨非参数化的局部模型:K近邻.html 1.0MB

| | ├──19丨非参数化的局部模型:K近邻.mp3 10.0MB

| | ├──19丨非参数化的局部模型:K近邻.pdf 2.0MB

| | ├──20丨基于距离的学习:聚类与度量学习.html 2.0MB

| | ├──20丨基于距离的学习:聚类与度量学习.mp3 7.0MB

| | ├──20丨基于距离的学习:聚类与度量学习.pdf 2.0MB

| | ├──21丨基函数扩展:属性的非线性化.html 1.0MB

| | ├──21丨基函数扩展:属性的非线性化.mp3 8.0MB

| | ├──21丨基函数扩展:属性的非线性化.pdf 1.0MB

| | ├──22丨自适应的基函数:神经网络.html 1.0MB

| | ├──22丨自适应的基函数:神经网络.mp3 8.0MB

| | ├──22丨自适应的基函数:神经网络.pdf 1.0MB

| | ├──23丨层次化的神经网络:深度学习.html 2.0MB

| | ├──23丨层次化的神经网络:深度学习.mp3 6.0MB

| | ├──23丨层次化的神经网络:深度学习.pdf 2.0MB

| | ├──24丨深度编解码:表示学习.html 1.0MB

| | ├──24丨深度编解码:表示学习.mp3 7.0MB

| | ├──24丨深度编解码:表示学习.pdf 2.0MB

| | ├──25丨基于特征的区域划分:树模型.html 1.0MB

| | ├──25丨基于特征的区域划分:树模型.mp3 7.0MB

| | ├──25丨基于特征的区域划分:树模型.pdf 2.0MB

| | ├──26丨集成化处理:Boosting与Bagging.html 1.0MB

| | ├──26丨集成化处理:Boosting与Bagging.mp3 7.0MB

| | ├──26丨集成化处理:Boosting与Bagging.pdf 2.0MB

| | ├──27丨万能模型:梯度提升与随机森林.html 1.0MB

| | ├──27丨万能模型:梯度提升与随机森林.mp3 8.0MB

| | ├──27丨万能模型:梯度提升与随机森林.pdf 2.0MB

| | ├──总结课丨机器学习的模型体系.html 955KB

| | ├──总结课丨机器学习的模型体系.mp3 6.0MB

| | ├──总结课丨机器学习的模型体系.pdf 1.0MB

| ├──04-概率图模型 (14讲)

| ├──05-结束语 (1讲)

| | ├──结课丨终有一天,你将为今天的付出骄傲.html 911KB

| | ├──结课丨终有一天,你将为今天的付出骄傲.mp3 2.0MB

| | ├──结课丨终有一天,你将为今天的付出骄傲.pdf 1.0MB

温馨提示:由于部分资源中不可避免的存在一些敏感关键词,如果购买后提示网盘资源链接失效,或者提示此类资源无法分享的情况,您无需担心,只需要联客服联系为您补发资源即可,客服QQ: 121671486,或者微信:diqiuren010101,邮箱:121671486@qq.com
声明: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。如若本站内容侵犯了原着者的合法权益,可联系我们进行处理。
极客时间专栏课-王天一-机器学习40讲-不可思议资源网
极客时间专栏课-王天一-机器学习40讲
此内容为付费资源,请付费后查看
会员专属资源
您暂无购买权限,请先开通会员
开通会员
付费资源
THE END
喜欢就支持一下吧
点赞10赞赏 分享
评论 抢沙发
头像
欢迎您留下宝贵的见解!
提交
头像

昵称

取消
昵称表情图片

    暂无评论内容