七月算法机器学习算法课程集合

admin

算法机械进修算法课程调集 【课程内容】 七月机械进修课程 01 微积分与几率论根本 02 参数估量与矩阵运算根本 03 凸优化根本 04  广义线性回归和对偶优化 05 牛顿、拟牛顿、梯度下降、随机梯度下降(SGD) 06 熵、最大熵模子MaxEnt、改良的迭代标准法IIS 07 聚类（k-means、条理聚类、谱聚类等） 08 K近邻、决议树、随机森林(random decision forests) 09 Adaboost 10 朴实贝叶斯、与贝叶斯收集 11 支持向量机（最大间隔分类、拉格朗日乘值、对偶题目、损失函数、最优化理论、SMO） 12 EM、夹杂高斯模子 12 衣服保举系统 13 主题模子（几率潜语义分析PLSA、隐含狄利克雷散布LDA） 14.15 马尔科夫链、隐马尔可夫模子HMM、采样 16 马尔可夫随机场(Markov Random Field)、条件随机场CRF 17 SVD、主成份分析PCA、因子分析、自力成份分析ICA 18 卷积神经收集(CNN)、深度进修浅析 19 常识图谱 玄月机械进修在线班 0.烟雨蒙蒙 1.微积分和几率论 2.数理统计与参数估量 3.矩阵运算 4.凸优化 5.回归 6.梯度下降和拟牛顿 7.最大熵模子 8.随机森林 9.支持向量机 10.降维 11.聚类 12.Boosting 13.贝叶斯收集 14.EM算法 14.EM算法重制完整版 15.主题模子 16.采样 17.HMM 18.条件随机场 19.野生神经收集 20.CNN&RNN 深度进修 第1课 机械进修中数学根本 第2课 高效计较根本与图像线性分类器 第3课 梯度下降法与反向传布 第4课 CNN与常用框架 第5课 CNN练习留意事项与框架利用 第6课 CNN推展案例 第7课 RNN先容 第8课 RNN利用 第9课 更多的收集范例 第10课 更多框架 十月算法班 1.链表栈行列 2.字符串 3.数组 4.数组树 5.树和图 6.搜索排序 7.贪心静态计划 8.几率组合 9.海量数据处置 10.口试精讲 【下载地址】 游客，如果您要查看本帖隐藏内容请回复