课程介绍

课程来自于 极客时间专栏课-王天一-机器学习40讲(完结)

极客时间专栏课-王天一-机器学习40讲插图

你将获得

机器学习的必备核心理论

30 个最流行的机器学习模型

基于 Python 语言的实例练习

完整的机器学习知识体系

“机器学习 40 讲”终于和你见面了!

2017 年 12 月,王天一老师在极客时间开设了“人工智能基础课”专栏,带你进入人工智能的大门,介绍了人工智能所需要的基础数学、当前流行的深度学习技术、以及其他可能突破的技术路径等方方面面的内容。

人工智能基础课的第 2 季聚焦于机器学习。在新技术层出不穷的今日,机器学习依然占据着人工智能的核心地位,也是人工智能中发展最快的分支之一。

那么,怎样入门机器学习?又有哪些学习路径呢?无论机器学习领域充斥着多少花哨的技术,归根结底,都是基本模型与基本方法的结合,而理解这些基本模型和基本方法就是掌握机器学习的要义所在。那么,问题来了,这么多模型到底要怎么学习呢?其实,这里面最关键的,是要梳理出机器学习的主线,把握不同模型之间的内在关联,能够融会贯通、系统地理解机器学习。

在本专栏中,王天一老师会从机器学习中的共性问题讲起,从统计机器学习和概率图模型两个角度,详细解读 30 个最流行的机器学习模型。除了理论之外,在每个模型的介绍中还会穿插一些基于 Python 语言的简单实例,帮你加强对于模型的理解。

专栏共 3 大模块

机器学习概观。这一模块将从频率学派与贝叶斯学派这两个视角来看机器学习,并讨论超脱于模型和方法之外的一些共性问题,包括模型的分类方式、设计准则、评估指标等。

统计机器学习模型。这一模块将以线性模型为主线,讨论模型的多种扩展和修正,如正则化、线性降维、核方法、基函数变化、随机森林等,探究从简单线性回归到复杂深度网络的发展历程。

概率图模型。这一模块将以高斯分布为起点,将高斯分布应用到从简单到复杂的图模型中,由此认识不同的模型特性与不同的计算技巧,如朴素贝叶斯、高斯混合模型、马尔科夫随机场等。

文件目录

01-开篇词 (1讲)

00丨开篇词丨打通修炼机器学习的任督二脉.html

00丨开篇词丨打通修炼机器学习的任督二脉.mp3

00丨开篇词丨打通修炼机器学习的任督二脉.pdf

02-机器学习概观 (10讲)

03-统计机器学习模型 (18讲)

总结课丨机器学习的模型体系.pdf

总结课丨机器学习的模型体系.html

总结课丨机器学习的模型体系.mp3

11丨基础线性回归:一元与多元.mp3

11丨基础线性回归:一元与多元.html

11丨基础线性回归:一元与多元.pdf

12丨正则化处理:收缩方法与边际化.pdf

12丨正则化处理:收缩方法与边际化.mp3

12丨正则化处理:收缩方法与边际化.html

13丨线性降维:主成分的使用.pdf

13丨线性降维:主成分的使用.html

13丨线性降维:主成分的使用.mp3

14丨非线性降维:流形学习.mp3

14丨非线性降维:流形学习.html

14丨非线性降维:流形学习.pdf

15丨从回归到分类:联系函数与降维.mp3

15丨从回归到分类:联系函数与降维.pdf

15丨从回归到分类:联系函数与降维.html

16丨建模非正态分布:广义线性模型.pdf

16丨建模非正态分布:广义线性模型.mp3

16丨建模非正态分布:广义线性模型.html

17丨几何角度看分类:支持向量机.html

17丨几何角度看分类:支持向量机.pdf

17丨几何角度看分类:支持向量机.mp3

18丨从全局到局部:核技巧.mp3

18丨从全局到局部:核技巧.pdf

18丨从全局到局部:核技巧.html

19丨非参数化的局部模型:K近邻.html

19丨非参数化的局部模型:K近邻.pdf

19丨非参数化的局部模型:K近邻.mp3

20丨基于距离的学习:聚类与度量学习.mp3

20丨基于距离的学习:聚类与度量学习.html

20丨基于距离的学习:聚类与度量学习.pdf

21丨基函数扩展:属性的非线性化.html

21丨基函数扩展:属性的非线性化.pdf

21丨基函数扩展:属性的非线性化.mp3

22丨自适应的基函数:神经网络.mp3

22丨自适应的基函数:神经网络.pdf

22丨自适应的基函数:神经网络.html

23丨层次化的神经网络:深度学习.mp3

23丨层次化的神经网络:深度学习.pdf

23丨层次化的神经网络:深度学习.html

24丨深度编解码:表示学习.mp3

24丨深度编解码:表示学习.pdf

24丨深度编解码:表示学习.html

25丨基于特征的区域划分:树模型.pdf

25丨基于特征的区域划分:树模型.html

25丨基于特征的区域划分:树模型.mp3

26丨集成化处理:Boosting与Bagging.html

26丨集成化处理:Boosting与Bagging.pdf

26丨集成化处理:Boosting与Bagging.mp3

27丨万能模型:梯度提升与随机森林.mp3

27丨万能模型:梯度提升与随机森林.pdf

27丨万能模型:梯度提升与随机森林.html

04-概率图模型 (14讲)

05-结束语 (1讲)

结课丨终有一天,你将为今天的付出骄傲.pdf

结课丨终有一天,你将为今天的付出骄傲.mp3

结课丨终有一天,你将为今天的付出骄傲.html

本站所有资源版权均属于原作者所有,这里所提供资源均只能用于参考学习用,请勿直接商用,未经站长允许禁止转载、转售本站资源。若由于商用引起版权纠纷,一切责任均由使用者承担。更多说明请参考 VIP介绍。

最常见的情况是下载不完整: 可对比下载完压缩包的与网盘上的容量,若小于网盘提示的容量则是这个原因。这是浏览器下载的bug,建议用百度网盘软件或迅雷下载。 若排除这种情况,可在对应资源底部留言,或联络站长QQ:502212423。

如果您已经成功付款但是无法显示下载地址,下载地址失效,请联系站长提供付款信息为您处理

教程资源、源码素材属于虚拟商品,具有可复制性,可传播性,一旦授予,不接受任何形式的退款、换货要求。请您在购买获取之前确认好是您所需要的资源