机器学习中的数学-汇总篇
全部视频来自七月官网免费公开课:http://www.julyedu.com/
视频大概需要12小时,不想看视频的可以参考本博客的笔记,(基本全覆盖)
本部分的十二个小结是一个完整课程
第一节的超链接导航到本课程的官网,第一节我的笔记没有在csdn上保存,有时间再补,17,18节是对第一节的补充,这两节讲的更加全面。
这个12节是比较全面的,后面的十六节中多余的几节有部分与前面重复,但更加详细
- 机器学习中的数学-01-微积分和梯度
- 机器学习中的数学-02-Taylor展式与拟牛顿
- 机器学习中的数学-03-概率论基础(含各种分布函数)
- 机器学习中的数学-04-概率计算与拒绝采样
- 机器学习中的数学-05-期望与方差
- 机器学习中的数学-06-协方差
- 机器学习中的数学-07-偏度与峰度
- 机器学习中的数学-08-中心极限定理
- 机器学习中的数学-09-矩估计
- 机器学习中的数学-10-极大似然估计
- 机器学习中的数学-15-重新理解矩阵
- 机器学习中的数学-16-四个基本的子空间
本部分的十六个小结是一个完整课程
前十二小结是官方第一次的,这16节是最后补充,内容一样。有些部分做了一些扩展
- 机器学习中的数学-01-微积分和梯度
- 机器学习中的数学-02-Taylor展式与拟牛顿
- 机器学习中的数学-03-概率论基础(含各种分布函数)
- 机器学习中的数学-04-概率计算与拒绝采样
- 机器学习中的数学-05-期望与方差
- 机器学习中的数学-06-协方差
- 机器学习中的数学-07-偏度与峰度
- 机器学习中的数学-08-中心极限定理
- 机器学习中的数学-09-矩估计
- 机器学习中的数学-10-极大似然估计
- 机器学习中的数学-11-牛顿法与梯度下降法
- 机器学习中的数学-12-随机梯度下降法的困难与变种
- 机器学习中的数学-13-随机梯度下降算法综述
- 机器学习中的数学-14-偏差方差均衡和模型选择
- 机器学习中的数学-15-重新理解矩阵
- 机器学习中的数学-16-四个基本的子空间
这是一套机器学习视频资源中得第二章数学基础,第一章为python基础。后续还有一系列的课程,我也会继续更新。想一起学习的可以留言,我分享资料一起学习。