• 当前位置:极色彩营销软件营销软件转载视频综合教程
  • 最新某象学院第七期升级版机器学习视频教程

    最新某象学院第七期升级版机器学习视频教程
    资源大小:
    100 MB
    资源语言:
    简体中文
    资源性质:
    视频教程 - 转载视频 - 综合教程
    资源授权:
    会员专用
    资源等级:
    4
    更新时间:
    2020-03-24 07:42:40
    应用平台:
    XP/Win7/
    下载方式:
    VIP和代理有终生下载权
    如何加盟:
    点击查看
    官方网址:
    http://www.jisecai.com
    小提示:

    您的IP是
    系统已为您找出最快的下载线路

    0
    0
    资源简介

    价值899元】最新小象学院第七期升级版机器学习课程视频教程下载。本课程特点是从数学层面推导最经典的机器学习算法,以及每种算法的示例和代码实现(Python)、如何做算法的参数调试、以实际应用案例分析各种算法的选择等。


    课程大纲:
    第一课:机器学习的数学基础1 - 数学分析
    1. 机器学习的一般方法和横向比较
    2. 数学是有用的:以SVD为例
    3. 机器学习的角度看数学
    4. 复习数学分析
    5. 直观解释常数e
    6. 导数/梯度
    7. 随机梯度下降
    8. Taylor展式的落地应用
    9. gini系数
    10. 凸函数
    11. Jensen不等式
    12. 组合数与信息熵的关系

    第二课:机器学习的数学基础2 - 概率论与贝叶斯先验
    1. 概率论基础
    2. 古典概型
    3. 贝叶斯公式
    4. 先验分布/后验分布/共轭分布
    5. 常见概率分布
    6. 泊松分布和指数分布的物理意义
    7. 协方差(矩阵)和相关系数
    8. 独立和不相关
    9. 大数定律和中心极限定理的实践意义
    10. 深刻理解最大似然估计MLE和最大后验估计MAP
    11. 过拟合的数学原理与解决方案

    第三课:机器学习的数学基础3 - 矩阵和线性代数
    1. 线性代数在数学科学中的地位
    2. 马尔科夫模型
    3. 矩阵乘法的直观表达
    4. 状态转移矩阵
    5. 矩阵和向量组
    6. 特征向量的思考和实践计算
    7. QR分解
    8. 对称阵、正交阵、正定阵
    9. 数据白化及其应用
    10. 向量对向量求导
    11. 标量对向量求导
    12. 标量对矩阵求导

    第四课:Python基础1 - Python及其数学库
    1. 解释器Python2.7与IDE:Anaconda/Pycharm
    2. Python基础:列表/元组/字典/类/文件
    3. Taylor展式的代码实现
    4. numpy/scipy/matplotlib/panda的介绍和典型使用
    5. 多元高斯分布
    6. 泊松分布、幂律分布
    7. 典型图像处理
    8. 蝴蝶效应
    9. 分形与可视化

    第五课:Python基础2 - 机器学习库
    1. scikit-learn的介绍和典型使用
    2. 损失函数的绘制
    3. 多种数学曲线
    4. 多项式拟合
    5. 快速傅里叶变换FFT
    6. 奇异值分解SVD
    7. Soble/Prewitt/Laplacian算子与卷积网络
    8. 卷积与(指数)移动平均线
    9. 股票数据分析

    第六课:Python基础3 - 数据清洗和特征选择
    1. 实际生产问题中算法和特征的关系
    2. 股票数据的特征提取和应用
    3. 一致性检验
    4. 缺失数据的处理
    5. 环境数据异常检测和分析
    6. 模糊数据查询和数据校正方法、算法、应用
    7. 朴素贝叶斯用于鸢尾花数据
    8. GaussianNB/MultinomialNB/BernoulliNB
    9. 朴素贝叶斯用于18000+篇/Sogou新闻文本的分类

    第七课: 回归
    1. 线性回归
    2. Logistic/Softmax回归
    3. 广义线性回归
    4. L1/L2正则化
    5. Ridge与LASSO
    6. Elastic Net
    7. 梯度下降算法:BGD与SGD
    8. 特征选择与过拟合

    第八课:Logistic回归
    1. Sigmoid函数的直观解释
    2. Softmax回归的概念源头
    3. Logistic/Softmax回归
    4. 最大熵模型
    5. K-L散度
    6. 损失函数
    7. Softmax回归的实现与调参

    第九课:回归实践
    1. 机器学习sklearn库介绍
    2. 线性回归代码实现和调参
    3. Softmax回归代码实现和调参
    4. Ridge回归/LASSO/Elastic Net
    5. Logistic/Softmax回归
    6. 广告投入与销售额回归分析
    7. 鸢尾花数据集的分类
    8. 交叉验证
    9. 数据可视化

    第十课:决策树和随机森林
    1. 熵、联合熵、条件熵、KL散度、互信息
    2. 最大似然估计与最大熵模型
    3. ID3、C4.5、CART详解
    4. 决策树的正则化
    5. 预剪枝和后剪枝
    6. Bagging
    7. 随机森林
    8. 不平衡数据集的处理
    9. 利用随机森林做特征选择
    10. 使用随机森林计算样本相似度
    11. 数据异常值检测

    第十一课:随机森林实践
    1. 随机森林与特征选择
    2. 决策树应用于回归
    3. 多标记的决策树回归
    4. 决策树和随机森林的可视化
    5. 葡萄酒数据集的决策树/随机森林分类
    6. 波士顿房价预测

    第十二课:提升
    1. 提升为什么有效
    2. 梯度提升决策树GBDT
    3. XGBoost算法详解
    4. Adaboost算法
    5. 加法模型与指数损失

    第十三课:提升实践
    1. Adaboost用于蘑菇数据分类
    2. Adaboost与随机森林的比较
    3. XGBoost库介绍
    4. Taylor展式与学习算法
    5. KAGGLE简介
    6. 泰坦尼克乘客存活率估计

    第十四课:SVM
    1. 线性可分支持向量机
    2. 软间隔的改进
    3. 损失函数的理解
    4. 核函数的原理和选择
    5. SMO算法
    6. 支持向量回归SVR

    第十五课:SVM实践
    1. libSVM代码库介绍
    2. 原始数据和特征提取
    3. 葡萄酒数据分类
    4. 数字图像的手写体识别
    5. SVR用于时间序列曲线预测
    6. SVM、Logistic回归、随机森林三者的横向比较

    第十六课:聚类(上)
    1. 各种相似度度量及其相互关系
    2. Jaccard相似度和准确率、召回率
    3. Pearson相关系数与余弦相似度
    4. K-means与K-Medoids及变种
    5. AP算法(Sci07)/LPA算法及其应用

    第十七课:聚类(下)
    1. 密度聚类DBSCAN/DensityPeak(Sci14)
    2. DensityPeak(Sci14)
    3. 谱聚类SC
    4. 聚类评价AMI/ARI/Silhouette
    5. LPA算法及其应用

    第十八课:聚类实践
    1. K-Means++算法原理和实现
    2. 向量量化VQ及图像近似
    3. 并查集的实践应用
    4. 密度聚类的代码实现
    5. 谱聚类用于图片分割

    第十九课:EM算法
    1. 最大似然估计
    2. Jensen不等式
    3. 朴素理解EM算法
    4. 精确推导EM算法
    5. EM算法的深入理解
    6. 混合高斯分布
    7. 主题模型pLSA

    第二十课:EM算法实践
    1. 多元高斯分布的EM实现
    2. 分类结果的数据可视化
    3. EM与聚类的比较
    4. Dirichlet过程EM
    5. 三维及等高线等图件的绘制
    6. 主题模型pLSA与EM算法

    第二十一课:主题模型LDA
    1. 贝叶斯学派的模型认识
    2. Beta分布与二项分布
    3. 共轭先验分布
    4. Dirichlet分布
    5. Laplace平滑
    6. Gibbs采样详解

    第二十二课:LDA实践
    1. 网络爬虫的原理和代码实现
    2. 停止词和高频词
    3. 动手自己实现LDA
    4. LDA开源包的使用和过程分析
    5. Metropolis-Hastings算法
    6. MCMC
    7. LDA与word2vec的比较
    8. TextRank算法与实践

    第二十三课:隐马尔科夫模型HMM
    1. 概率计算问题
    2. 前向/后向算法
    3. HMM的参数学习
    4. Baum-Welch算法详解
    5. Viterbi算法详解
    6. 隐马尔科夫模型的应用优劣比较

    第二十四课:HMM实践
    1. 动手自己实现HMM用于中文分词
    2. 多个语言分词开源包的使用和过程分析
    3. 文件数据格式UFT-8、Unicode
    4. 停止词和标点符号对分词的影响
    5. 前向后向算法计算概率溢出的解决方案
    6. 发现新词和分词效果分析
    7. 高斯混合模型HMM
    8. GMM-HMM用于股票数据特征提取

    ※会员注意※
    本站软件全部存放在百度网盘或360网盘,会员放心下载,下载页面无广告。
    如发现软件提示更新或不能用了,请联系网站客服,我们会尽快更新。
    文明聊天交流,说脏话、侮辱性语言直接拉黑封号处理。
    资源下载
    极色彩营销软件站高速下载(非VIP会员不能下载)   【网盘提取密码:us8z
    • 小编提示
    分类列表
    专题列表
    精品软件推荐
    本类下载排行
    按字母检索: A - B - C - D - E - F - G - H - I - J - K - L - M - N - O - P - Q - R - S - T - U - V - W - X - Y - Z -
    按声母检索: A - B - C - D - E - F - G - H - J - K - L - M - N - O - P - Q - R - S - T - W - X - Y - Z - 数字 - 符号 -

    在线客服

    投诉与建议

    时间:9:00-23:00
    在线客服