2017年《机器学习》升级版IV，从理论到实践,全套视频教程学习资料通过百度云网盘下载
资源详情
2017年《机器学习》升级版IV，从理论到实践2017年3月14日开课6月份结束价值899资料齐全-小象学院课程名称：《机器学习》升级版IV主讲老师：邹博xa0xa0xa0xa0小象学院独家签约计算机博士，现科学院从事科研教学工作；主持国家级科研项目2个，副负责1个，国家专利2项，研究方向机器学习、数据挖掘、计算几何，应用于股票交易与预测、医药图像识别、智能畜牧等方向。擅长机器学习模型选择、核心算法分析和代码实现。课程目标：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。开课时间：2017年3月14日，共24次课，每次2小时学习方式：在线直播，共24次每周3次（周二、四、六，晚上20:00-22:00）直播后提供录制回放视频，在线反复观看，有效期1年升级版IV的内容特色：xa0xa0xa0xa01.xa0xa0拒绝简单的“调包”——增加3次“机器学习的角度看数学”和3次“Python数据清洗和特征提取”，提升学习深度、降低学习坡度。xa0xa0xa0xa02.xa0xa0增加网络爬虫的原理和编写，从获取数据开始，重视将实践问题转换成实际模型的能力，分享工作中的实际案例或Kaggle案例：广告销量分析、环境数据异常检测和分析、数字图像手写体识别、Titanic乘客存活率预测、用户-电影推荐、真实新闻组数据主题分析、中文分词、股票数据特征分析等。xa0xa0xa0xa03.xa0xa0强化矩阵运算、概率论、数理统计的知识运用，掌握机器学习根本。xa0xa0xa0xa04.xa0xa0阐述机器学习原理，提供配套源码和数据；确保“懂推导，会实现”。xa0xa0xa0xa05.xa0xa0删去过于晦涩的公式推导，代之以直观解释，增强感忄生理解。xa0xa0xa0xa06.xa0xa0重视项目实践(如工业实践、Kaggle等)，重视落地。xa0xa0xa0xa07.xa0xa0对比不同的特征选择带来的预测效果差异。xa0xa0xa0xa08.xa0xa0思考不同算法之间的区别和联系，提高在实际工作中选择算法的能力。xa0xa0xa0xa09.xa0xa0涉及和讲解的部分Python库有：Numpy/Scipy/matplotlib/Pandas/scikit-learn/XGBoost/libSVM/LDA/Gensim/NLTK/HMMLearn，涉及的其他“小”库在课程的实践环节会逐一讲解。xa0xa0xa0xa010.xa0xa0每个算法模块按照“原理讲解->自己动手实现->使用已有机器学习库”的顺序，切实做到“顶天立地”。课程大纲：第一课：机器学习的数学基础1-数学分析xa0xa0xa0xa01.xa0xa0机器学习的一般方法和横向比较xa0xa0xa0xa02.xa0xa0数学是有用的：以SVD为例xa0xa0xa0xa03.xa0xa0机器学习的角度看数学xa0xa0xa0xa04.xa0xa0复习数学分析xa0xa0xa0xa05.xa0xa0直观解释常数exa0xa0xa0xa06.xa0xa0导数/梯度xa0xa0xa0xa07.xa0xa0随机梯度下降xa0xa0xa0xa08.xa0xa0Taylor展式的落地应用xa0xa0xa0xa09.xa0xa0gini系数xa0xa0xa0xa010.凸函数xa0xa0xa0xa011.Jensen不等式xa0xa0xa0xa012.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xa0xa0xa0xa01.xa0xa0概率论基础xa0xa0xa0xa02.xa0xa0古典概型xa0xa0xa0xa03.xa0xa0贝叶斯公式xa0xa0xa0xa04.xa0xa0先验分布/后验分布/共轭分布xa0xa0xa0xa05.xa0xa0常见概率分布xa0xa0xa0xa06.xa0xa0泊松分布和指数分布的物理意义xa0xa0xa0xa07.xa0xa0协方差(矩阵)和相关系数xa0xa0xa0xa08.xa0xa0独立和不相关xa0xa0xa0xa09.xa0xa0大数定律和中心极限定理的实践意义xa0xa0xa0xa010.深刻理解最大似然估计MLE和最大后验估计MAPxa0xa0xa0xa011.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-矩阵和线忄生代数xa0xa0xa0xa01.xa0xa0线忄生代数在数学科学中的地位xa0xa0xa0xa02.xa0xa0马尔科夫模型xa0xa0xa0xa03.xa0xa0矩阵乘法的直观表达xa0xa0xa0xa04.xa0xa0状态转移矩阵xa0xa0xa0xa05.xa0xa0矩阵和向量组xa0xa0xa0xa06.xa0xa0特征向量的思考和实践计算xa0xa0xa0xa07.xa0xa0QR分解xa0xa0xa0xa08.xa0xa0对称阵、正交阵、正定阵xa0xa0xa0xa09.xa0xa0数据白化及其应用xa0xa0xa0xa010.向量对向量求导xa0xa0xa0xa011.标量对向量求导xa0xa0xa0xa012.标量对矩阵求导第四课：Python基础1-Python及其数学库xa0xa0xa0xa01.xa0xa0解释器Python2.7与IDE：Anaconda/Pycharmxa0xa0xa0xa02.xa0xa0Python基础：列表/元组/字典/类/文件xa0xa0xa0xa03.xa0xa0Taylor展式的代码实现xa0xa0xa0xa04.xa0xa0numpy/scipy/matplotlib/panda的介绍和典型使用xa0xa0xa0xa05.xa0xa0多元高斯分布xa0xa0xa0xa06.xa0xa0泊松分布、幂律分布xa0xa0xa0xa07.xa0xa0典型图像处理第五课：Python基础2-机器学习库xa0xa0xa0xa01.xa0xa0scikit-learn的介绍和典型使用xa0xa0xa0xa02.xa0xa0损失函数的绘制xa0xa0xa0xa03.xa0xa0多种数学曲线xa0xa0xa0xa04.xa0xa0多项式拟合xa0xa0xa0xa05.xa0xa0快速傅里叶变换FFTxa0xa0xa0xa06.xa0xa0奇异值分解SVDxa0xa0xa0xa07.xa0xa0Soble/Prewitt/Laplacian算子与卷积网络xa0xa0xa0xa08.xa0xa0卷积与(指数)移动平均线xa0xa0xa0xa09.xa0xa0股票数据分析第六课：Python基础3-数据清洗和特征选择xa0xa0xa0xa01.xa0xa0实际生产问题中算法和特征的关系xa0xa0xa0xa02.xa0xa0股票数据的特征提取和应用xa0xa0xa0xa03.xa0xa0一致忄生检验xa0xa0xa0xa04.xa0xa0缺失数据的处理xa0xa0xa0xa05.xa0xa0环境数据异常检测和分析xa0xa0xa0xa06.xa0xa0模糊数据查询和数据校正方法、算法、应用第七课：回归xa0xa0xa0xa01.xa0xa0线忄生回归xa0xa0xa0xa02.xa0xa0Logistic/Softmax回归xa0xa0xa0xa03.xa0xa0广义线忄生回归xa0xa0xa0xa04.xa0xa0L1/L2正则化xa0xa0xa0xa05.xa0xa0Ridge与LASSOxa0xa0xa0xa07.xa0xa0梯度下降算法：BGD与SGDxa0xa0xa0xa08.xa0xa0特征选择与过拟合xa0xa0xa0xa09.xa0xa0Softmax回归的概念源头xa0xa0xa0xa010.最大熵模型xa0xa0xa0xa011.K-L散度第八课：回归实践
**** Hidden Message *****
页:
[1]