上交公开课张志华--- 统计机器学习的播放顺序

最新推荐文章于 2022-03-01 15:18:16 发布
最新推荐文章于 2022-03-01 15:18:16 发布
阅读量5.2k 收藏 1
点赞数
分类专栏： 统计机器学习 文章标签： 统计 机器学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qomoman/article/details/44259281
版权

公开课的播放地址为http://ocw.sjtu.edu.cn/G2S/OCW/cn/CourseDetails.htm?Id=398

播放顺序为：

概率基础

随机变量1

随机变量2 

高斯分布

连续分布

例子

scale mixture pisribarin 

jeffrey prior

statistic inference 

Laplace变换

多元分布定义

概率变换

jacobian

wedge production（貌似这边漏了讲多项式分布和狄雷克雷分布）

多元正太分布

Wishart分布

了不空蜗牛
关注
专栏目录
张志华 - 机器学习导论讲义-良心资料
04-10
上海交通大学 张志华老师的机器学习导论讲义。
机器学习导论（张志华）笔记
去向前方的博客
11-18 1148
介绍 人工智能最近发展的如火如荼，要想本质掌握这门技术，离不开优秀资源的支撑。 北京大学的张志华老师，发布在网上的视频可以说是经典资源，特此分享给大家。 正文 张志华 ，北京大学数学科学学院教授，北京大数据研究院教授。曾经先后任教于上海交通大学和浙江大学。主要从事统计机器学习与人工智能领域的研究和教学，是国际机器学习旗舰刊物JMLR的执行编委，并多次受邀担任国际人工智能顶级学术会议的程序委员或...
张志华教授《机器学习导论》和《统计机器学习》课程讲义
热门推荐
AI吃大瓜的博客
12-15 2万+
张志华教授《机器学习导论》和《统计机器学习》课程讲义 最近看了上海交大张志华教授的精品课程 《机器学习导论》和《统计机器学习》，觉得讲的很深入，适合学习机器学习和深度学习的研究者深入学习，张教授讲的比较偏向理论，需要一定的数学基础。 至于广大网友最关心的课程讲义和配套教材书籍，鄙人邮件详问过张教授，他说“目前只有学生记录下来的讲义，没有专门的教材”，张教授还好心留下讲义的下载链接：http://bcmi.sjtu.edu.cn/log/courses.html ，这也是他的个人主页，讲义
上海交大张志华教授《机器学习导论》和《统计机器学习》公开课视频的正确播放顺序
m0_51675604的博客
03-01 212
张志华教授的两门机器学习公开课是很好的机器学习资源。但在上海交大的公开课视频网站上挂出的教学视频顺序有点乱。对于初学者来说，如果没看对顺序的话，会觉得讲得很乱，从而错过这么优质的资源。 事实上板书很完整，有电子版讲义可下载。只是讲义上有个别地方有点笔误，但不影响理解。 能用黑板直接推导的老师的逻辑和思路都是很清晰的！ 正确的顺序应如下所示： 《机器学习导论》：http://ocw.sjtu.edu.cn/G2S/OCW/cn/CourseDetails.htm?Id=397 课程讲义：链接：https://
机器学习导论（张志华）：基本概念
去向前方的博客
09-13 523
前言 这个笔记是北大那位老师课程的学习笔记，讲的概念浅显易懂，非常有利于我们掌握基本的概念，从而掌握相关的技术。 正文 Data Mining 是半自动化的 Machine Learning 是自动化的。 Michal Jordon。 ML：A field that bridge computation and statistic，with ties to information t...
机器学习导论（张志华）：主元分析
去向前方的博客
10-02 1165
前言 这个笔记是北大那位老师课程的学习笔记，讲的概念浅显易懂，非常有利于我们掌握基本的概念，从而掌握相关的技术。 basic concepts exp(−tz12)=∫exp(−tuz)dF(u)exp(-tz^{\frac{1}{2}}) =\int exp(-tuz) dF(u)exp(−tz21​)=∫exp(−tuz)dF(u) z=∣∣x∣∣2z=||x||^2z=∣∣x∣∣2 exp(...
统计机器学习笔记.zip
07-09
1. Frequentist （频率派）： The Frequentist approach views the model parameters as unknown (constant) and estimate them by matching the model to the training data. Using an appropriate metric. ...
张志华 机器学习讲义+作业 内含Aipaydin的机器学习导论
08-27
张志华 机器学习讲义+作业 内含Aipaydin的机器学习导论 视频在网易课堂上找
张志华机器学习导论课件
11-26
张志华的机器学习导论的课件，和视频不对应。想要免费版本的请通过百度网盘链接下载：链接：https://pan.baidu.com/s/1pkakm6Aif9V5Os1WHR8eRw 提取码：p0ku
linux进程---exec族函数(execl, execlp, execle, execv, execvp, execvpe)
qiao代码的木偶人的博客
10-19 2451
exec族函数函数的作用： 我们用fork函数创建新进程后，经常会在新进程中调用exec函数去执行另外一个程序。当进程调用exec函数时，该进程被完全替换为新程序。因为调用exec函数并不创建新进程，所以前后进程的ID并没有改变。 在调用进程内部执行一个可执行文件。可执行文件既可以是二进制文件，也可以是任何Linux下可执行的脚本文件。 1.execl()代码实现： //文件execl.c #include <stdio.h> #include <stdlib.h> #in
张志华《机器学习导论》笔记和补充材料
10-12
张志华教授《机器学习导论》的笔记，课后学生总结的，附带补充材料。张教授的机器学习主要侧重矩阵和优化，数学较多。
机器学习导论中文笔记整理.zip
07-09
上海交大 机器学习导论 主讲教师：张志华 主要内容包含： 1.再生核 2.数据降维 3.EM算法 4.多维标度 5.矩阵补充 6.聚类方法 7.判别分析 8.线性分类 9.生成模型 10.支持向量机 11.提升方法
Algorithms for Reinforcement Learning 等三本
09-26
傅里叶变换及其应用（斯坦福大学） Algorithms for Reinforcement Learning SVD 及其应用（张志华）
《机器学习导论》和《统计机器学习》学习资料：张志华教授
AI吃大瓜的博客
12-13 1万+
张志华教授的两门机器学习公开课是很好的机器学习资源。但在上海交大的公开课视频网站上挂出的教学视频顺序有点乱。对于初学者来说，如果没看对顺序的话，会觉得讲得很乱，从而错过这么优质的资源。事实上板书很完整，有电子版讲义可下载。只是讲义上有个别地方有点笔误，但不影响理解。能用黑板直接推导的老师的逻辑和思路都是很清晰的！
张志华 机器学习 两门课程正确顺序及视频连接
Be patient! Think twice! Word harder!
03-10 5947
Note: 网上视频教程的顺序都是有错误的，查证后再看，不然心乱。。1.统计机器学习 视频连接 视频顺序： 序号 名称 01. 概率基础 02. 随机变量1 03. 随机变量2 04. 高斯分布 05. 连续分布 06. 例子 07. scale mixture pisribarin 08. jeffrey prior 09.
机器学习张志华讲的太太太好了
piaoyu94的博客
10-25 8973
https://mp.weixin.qq.com/s/d6IBKnvxq-eMI9Hn9TX1ZA
机器学习导论（张志华）：正定核应用
去向前方的博客
09-30 511
前言 这个笔记是北大那位老师课程的学习笔记，讲的概念浅显易懂，非常有利于我们掌握基本的概念，从而掌握相关的技术。 basic concepts If a function is positive definite，then matrix is P.S.D. x1,,,,xn⊂X=&amp;gt;K0(xi,xj)=g(xi)g(xj){x_1,,,,x_n} \subset X =&amp;g...
深度学习入门：张志华译本探索
《深度学习（中文版）》由张志华翻译，以 Yoshua Bengio 的原著为基础，是一本详细介绍深度学习理论和技术的权威教材。该书于2017年4月9日发布，特别强调了其非商业学习用途。全书分为两大部分，首先介绍应用数学和...
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值