【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
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