20190119《百面机器学习》第六章至最后

概念图模型的联合概率分布

概念图表示

生成式模型与判别式模型

马尔科夫模型

主题模型

第7章：优化算法
机器学习算法=模型表征+模型评估+优化算法
有监督学习的损失函数
机器学习中的优化问题
经典优化算法
梯度验证
随机梯度下降算法
随机梯度下降法的加速
l1的正则化与稀疏性

第八章：采样
采样在机器学习中有着非常重要的应用
采样的作用
均匀分布随机数
常见的采样方法
高斯分布的采样
马尔科夫蒙特卡洛采样法
贝叶斯网络采样
不均衡样本集的重采样

第9章 ：前向神经网络
深度前馈网络
多层感知机与布尔函数
深度神经网络
多层感知机的反向传播算法
神经网络的训练技巧
深度卷积神经网络
深度残差网络
第10章：循环神经网络 RNN
循环神经网络 和卷积神经网络
循环神经网络的梯度消失问题
循环神经网络中的激活函数
长短期记忆网络
seq2seq
注意力机制
第11章强化学习
强化学习
视频游戏里的强化学习
策略梯度
探索与利用
第12章：集成学习
集成学习的种类
集成学习的步骤和例子
基分类器
偏差与方差
梯度提升决策树的基本原理
xgBoost与GBDT的联系与区别
第13章 生成式对抗网络
初始GANS的秘密
WGAN抓住低维的幽灵
DCGAN：当GANS遇上卷积
AL1:包揽推断业务
IRGAN :生成离散样本
SeqGan：生成文本序列
第14章;人工智能的热门应用
计算广告
游戏中的人工智能‘
AI在自动驾驶中的应用
机器翻译
人机交互中的智能计算