【精华】机器学习入门到精通-王而川-专题视频课程

【精华】机器学习入门到精通—339人已学习
课程介绍    

    本课程讲解了机器学习必须知识点：机器学习与相关数学初步、数理统计与参数估计、矩阵分析与应用、凸优化问题、回归分析与工程应用、特征工程、工程流程与模型调优、大熵模型与EM算法、推荐系统与应用、聚类算法与应用、决策树知识、支持向量SVM、贝叶斯算法、人工神经网络、卷积神经网络CNN、循环神经网络RNN与LSTM、Caffe&Tensor; Flow&MxNet; 简介、贝叶斯网络和HMM等。
课程收益
    掌握机器学习必须知识点：机器学习与相关数学初步、数理统计与参数估计、矩阵分析与应用、凸优化问题、回归分析与工程应用、特征工程、工程流程与模型调优、最大熵模型与EM算法、推荐系统与应用、聚类算法与应用、决策树知识、支持向量SVM、贝叶斯算法、人工神经网络、卷积神经网络CNN、循环神经网络RNN与LSTM、Caffe&Tensor; Flow&MxNet; 简介、贝叶斯网络和HMM等。
讲师介绍
    王而川 更多讲师课程
    乐川科技有限公司CEO，人工智能培训讲师，专业从事机器学习与深度学习培训。参与多个人工智能领域项目，专注于机器学习与计算机视觉领域，长期参与无人驾驶汽车项目，专注研究无人驾驶领域的目标识别与跟踪，善于人脸识别、物体识别、轨迹跟踪、点云识别分析等方向的新算法。
课程大纲
  第1章:机器学习与相关数学初步
    1. 初认机器学习  10:00
    2. 假设空间  10:10
    3. 归纳偏好  6:50
    4. 泛化性能与拟合  10:00
    5. 评估方法  10:10
    6. 性能度量  4:13
    7. 线性模型  5:00
    8. 最小二乘  5:00
    9. 线性回归  5:00
    10. 线性降维  3:40
    11. 决策树讲解  5:00
    12. 信息增益，增益率  5:00
    13. 基尼指数  5:00
    14. 剪枝策略  3:46
    15. MP神经元  5:00
    16. 前馈神经网络  5:00
    17. BP算法  5:36
    18. 支持向量  5:00
    19. 支持向量机  6:49
    20. 条件概率  5:00
    21. 贝叶斯讲解  5:00
    22. 贝叶斯学习期  4:24
    23. 集成学习讲解  5:00
    24. 集成学习  4:36
    25. 聚类讲解  5:00
    26. 距离度量  4:40
    27. K紧邻  5:00
    28. 降维  4:57
    29. 机器学习与相关数学初步  01:06:47
大家可以点击【 查看详情】查看我的课程