1、朴素贝叶斯分类
2、K近邻分类
3、线性感知机
4、线性支持向量机
5、K-means聚类及层次聚类
6、混合模型基础
7、线性回归与逻辑回归
8、梯度下降法
9、马尔科夫模型与语言模型
10、隐马模型基础
11、网页排序基础,pagerank,learning to rank 基础(pointwise,pairwise)
advanced
12、带正则化的逻辑回归,拟牛顿法,L-BFGS
13、SVM原理,核技巧,统计学习理论基础,SMO
14、模型融合,决策树,BOOSTING
15、CRF,隐马模型的前向后向算法
16、Learning to rank深入,listwisw、pairwise(不同loss)
17、深入理解机器学习(各种模型比较)Topic,Modeling,PLSA,LDA
to
be
continued