资源简介:
机器学习算法精讲,秦曾昌老师主讲,掌握算法模型原理 价值799元——更多资源,课程更新在
本套课程来自小象学院,由秦曾昌秦老师主讲的:机器学习算法精讲,课程官方售价799元,课程共计20节,包含完整相关课程资源与源码,共计12.2G
面对越演化越复杂的机器学习算法模型,只能简单应用怎么能行?学算法就像学内功无论模型多复杂,都是由简单的模型演化而成,只有掌握其内在原理,应用起来才能随心所欲 小象学院签约讲师美国加州大学伯克利分校博士后、牛津大学与卡内基梅隆大学访问学者英国布里斯托大学硕士、博士。Springer出版英文专著1本、编辑论秦曾昌(1本和专业论文或章节,共90余篇。 为什么设置这门算法理论课程,和其他机器学习课程有什么区别?本门课程旨在解决大家算法能力薄弱的问题。和基础的算法课也不同,本课专门针对机器学习中的算法原理和推导,专为工作和学习中用到机器学习的人来设计。 需要具备哪些基础知识?高等数学和基本的编程(学过Python打卡课就够哦~)能力课程文件目录: 秦老师机器学习算法精讲(价值799) [12.2G]视频 [12.1G]01.机器学习中的数学基础.mp4 [605.4M]02.机器学习的数学基础.mp4 [611.6M]03.机器学习中的哲学.mp4 [686.4M]04.机器学习中的数学基础.mp4 [685.6M]05.经典机器学习模型.mp4 [598.4M]06.经典机器学习模型.mp4 [577.2M]07.经典机器学习模型.mp4 [394.7M]08.线性模型.mp4 [604.4M]09.线性模型.mp4 [607.5M]10.核方法.mp4 [709M]11.核方法.mp4 [695.9M]12.统计学习.mp4 [666.6M]13.统计学习.mp4 [697.3M]14.统计学习.mp4 [569.1M]15.统计学习.mp4 [643.4M]16.无监督学习.mp4 [723.6M]17.流形学习.mp4 [700.2M]18.概念学习.mp4 [606.7M]19.神经网络.mp4 [499.9M]20.强化学习.mp4 [521.3M]资料 [130.2M]2、机器学习的数学基础.pdf [2.8M]3、机器学习的哲学.pdf [3.9M]4、机器学习的数学基础.pdf [788.7K]5、经典机器学习模型.pdf [1.9M]6、经典机器学习模型.pdf [1.1M]7.2、Guo-PRICAI.pdf [362.3K]7、经典机器学习模型.pdf [995.2K]8、线性模型.pdf [1.1M]10、核方法.pdf [1.5M]11、核方法.pdf [1M]12、统计学习.pdf [1.8M]16、无监督学习.pdf [2.1M]第五课_代码.zip [17.1M]资料.rar [61.3M]lle.pdf [635.8K]Logistic Regression.zip [7.8M]Note_1_MachineLearningIntro.pdf [754.4K]Note_13_MaxMargin.pdf [910.6K]Note_14_Kernel.pdf [308.5K]Note_15_GeoIntMaxMargin.pdf [589.5K]Note_16_ EM.pdf [961.8K]Note_17_Locally Linear Embedding.pdf [532.9K]Note_2_Geometric Interpretation of Determinant.pdf [215.2K]Note_3_LNorm.pdf [332.6K]Note_4-GradientDescent.pdf [1.2M]Note_5_NaiveBayes.pdf [425.4K]Note_7_EnsembleLearning.pdf [743K]Note_9_OLS.pdf [588.1K]Note11_Lagrange.pdf [917.5K]Note12_Lagrange2.pdf [917.4K]probability ( MIT Bertsekas).pdf [2.1M]probability ( MIT Bertsekas)(1).pdf [2.1M]RandomForest.zip [10.7M]