机器学习算法—254人已学习
课程介绍
本教学视频以手写形式+普通话授课(类似斯坦福大学授课方式),+Python代码 经典算法进行原理推导与案例实战双管齐下。
课程收益
让每位学员对机器学习算法的理论与实现做到“知其然,又知其所以然”; 让每位学员不仅仅学会如何构建学习系统,更重要的是学会一套思想和思维模式,其内涵包括概率论思维,矩阵化思维,最优化思维等多个子领域。
讲师介绍
章琨 更多讲师课程
北京大学计算机技术及应用专业,从事IT行业十几年,主要从事java、Linux、手机应用开发、人工智能神经网络方面的工作。曾在中国数码集团、厦门三五互联集团、百合网等担任项目技术经理,独立开发过自己的软件并获得了国家计算机软件著作权。
课程大纲
第1章:K-Means算法
1. 课程概述 8:17
2. 理论+公式+实例 11:27
3. Python实战 16:46
4. 关键参数优化及其Python实现 5:43
第2章:Knn算法
1. 什么是Knn 6:20
2. 距离和相似性 16:20
3. Python实战一 8:34
4. Python实战二 7:52
第3章:贝叶斯算法
1. 条件概率和概率论 19:14
2. 贝叶斯推断 15:39
3. Python实战 36:49
4. 高斯理论及贝叶斯优化 19:10
第4章:决策树算法
1. 熵、信息增益和对数函数 17:01
2. 信息增益实例解读 29:31
3. Python实现 12:56
第5章:线性回归算法
1. 损失函数分析 19:36
2. 方向导数和梯度理论 36:55
3. Python实战及局部加权优化 16:38
第6章:逻辑回归算法
1. 线性回归到逻辑回归的分析 22:34
2. 数学分析与凸优化 12:29
3. 极大似然函数分析 19:07
4. Python实战及优化 5:35
第7章:支持向量机(SVM)
1. 什么是SVM 5:27
2. SVM几何间距推导 33:05
3. 凸规划和KKT条件 28:14
4. SMO算法推导和总结 46:45
5. Python实战 16:23
6. SVM优化及Python实现 22:15
7. 非线性SVM、核函数及Python实现 29:11
第8章:AdaBoost算法
1. 单层决策树算法与弱分类器 10:10
2. 弱分类器集成实例解读 32:14
3. Python实现 14:50
第9章:PCA降维算法
1. 维度关系及变换基 27:44
2. 协方差和特征向量 26:19
3. Python实现和降维选择 11:57
第10章:感知器算法
1. 神经元与感知器模型 33:56
2. Python实现 6:58
第11章:BP神经网络算法
1. 误差反向传播(一) 24:43
2. 误差反向传播(二) 31:25
3. 神经网络建模及总结 35:39
4. Python实战 28:19
第12章:卷积神经网络
1. 卷积操作与特征选取 18:06
2. 单层卷积神经网络 24:25
3. 完整卷积神经网络 8:14
4. 神经网络建模推导及其总结 28:48
5. 卷积神经网络和Python实战 42:15
大家可以点击【 查看详情】查看我的课程
课程介绍
本教学视频以手写形式+普通话授课(类似斯坦福大学授课方式),+Python代码 经典算法进行原理推导与案例实战双管齐下。
课程收益
让每位学员对机器学习算法的理论与实现做到“知其然,又知其所以然”; 让每位学员不仅仅学会如何构建学习系统,更重要的是学会一套思想和思维模式,其内涵包括概率论思维,矩阵化思维,最优化思维等多个子领域。
讲师介绍
章琨 更多讲师课程
北京大学计算机技术及应用专业,从事IT行业十几年,主要从事java、Linux、手机应用开发、人工智能神经网络方面的工作。曾在中国数码集团、厦门三五互联集团、百合网等担任项目技术经理,独立开发过自己的软件并获得了国家计算机软件著作权。
课程大纲
第1章:K-Means算法
1. 课程概述 8:17
2. 理论+公式+实例 11:27
3. Python实战 16:46
4. 关键参数优化及其Python实现 5:43
第2章:Knn算法
1. 什么是Knn 6:20
2. 距离和相似性 16:20
3. Python实战一 8:34
4. Python实战二 7:52
第3章:贝叶斯算法
1. 条件概率和概率论 19:14
2. 贝叶斯推断 15:39
3. Python实战 36:49
4. 高斯理论及贝叶斯优化 19:10
第4章:决策树算法
1. 熵、信息增益和对数函数 17:01
2. 信息增益实例解读 29:31
3. Python实现 12:56
第5章:线性回归算法
1. 损失函数分析 19:36
2. 方向导数和梯度理论 36:55
3. Python实战及局部加权优化 16:38
第6章:逻辑回归算法
1. 线性回归到逻辑回归的分析 22:34
2. 数学分析与凸优化 12:29
3. 极大似然函数分析 19:07
4. Python实战及优化 5:35
第7章:支持向量机(SVM)
1. 什么是SVM 5:27
2. SVM几何间距推导 33:05
3. 凸规划和KKT条件 28:14
4. SMO算法推导和总结 46:45
5. Python实战 16:23
6. SVM优化及Python实现 22:15
7. 非线性SVM、核函数及Python实现 29:11
第8章:AdaBoost算法
1. 单层决策树算法与弱分类器 10:10
2. 弱分类器集成实例解读 32:14
3. Python实现 14:50
第9章:PCA降维算法
1. 维度关系及变换基 27:44
2. 协方差和特征向量 26:19
3. Python实现和降维选择 11:57
第10章:感知器算法
1. 神经元与感知器模型 33:56
2. Python实现 6:58
第11章:BP神经网络算法
1. 误差反向传播(一) 24:43
2. 误差反向传播(二) 31:25
3. 神经网络建模及总结 35:39
4. Python实战 28:19
第12章:卷积神经网络
1. 卷积操作与特征选取 18:06
2. 单层卷积神经网络 24:25
3. 完整卷积神经网络 8:14
4. 神经网络建模推导及其总结 28:48
5. 卷积神经网络和Python实战 42:15
大家可以点击【 查看详情】查看我的课程