机器学习课程 - 白板推导系列（50.93G）

xiaoduo

『课程目录』:
├─机器学习-白板推导系列（10）-EM算法
│      EM算法（1）-EM算法公式以及算法收敛性证明.mp4
│      EM算法（2）-EM算法公式导出之ELBO-KL Dier.mp4
│      EM算法（3）-EM算法公式导出之ELBO-Jensen I.mp4
│      EM算法（4）-EM算法再回首.mp4
│      EM算法（5）-广义EM.mp4
│      EM算法（6）-EM变种.mp4
│      
├─机器学习-白板推导系列（11）-高斯混合模型GMM
│      高斯混合模型（1）-模型介绍.mp4
│      高斯混合模型（2）-极大似然.mp4
│      高斯混合模型（3）-EM求解-E-Ste.mp4
│      高斯混合模型（4）-EM求解-M-Ste.mp4
│      
├─机器学习-白板推导系列（12）-变分推断
│      变分推断1（背景介绍）.mp4
│      变分推断2（公式推导).mp4
│      变分推断3（再回首).mp4
│      变分推断4（随机梯度变分推断-SGI-1).mp4
│      变分推断5（随机梯度变分推断-SGI-2).mp4
│      
├─机器学习-白板推导系列（13）-MCMC
│      蒙特卡洛方法1.mp4
│      蒙特卡洛方法2.mp4
│      蒙特卡洛方法3.mp4
│      蒙特卡洛方法4.mp4
│      蒙特卡洛方法5-吉布斯采样.mp4
│      蒙特卡洛方法6.mp4
│      蒙特卡洛方法7.mp4
│      蒙特卡洛方法8.mp4
│      
├─机器学习-白板推导系列（14）-隐马尔可夫模型
│      隐马尔可夫模型HMM（1）-背景介绍.mp4
│      隐马尔可夫模型HMM（2）-背景介绍.mp4
│      隐马尔可夫模型HMM（3）-前向算法.mp4
│      隐马尔可夫模型HMM（4）-后向算法.mp4
│      隐马尔可夫模型HMM（5）-Baum Welch算法.mp4
│      隐马尔可夫模型HMM（6）-维特比算法.mp4
│      隐马尔可夫模型HMM（7）-小结.mp4
│      隐马尔可夫模型HMM（8）-小结.mp4
│      
├─机器学习-白板推导系列（15）-线性动态系统-卡曼滤波
│      线性动态系统1-KalmanFilter.mp4
│      线性动态系统2-Filtering问题.mp4
│      线性动态系统3-Filtering问题求解.mp4
│      
├─机器学习-白板推导系列（16）-粒子滤波
│      粒子滤波1-背景介绍.mp4
│      粒子滤波2-重要性采样.mp4
│      粒子滤波3-重采样.mp4
│      粒子滤波4-SIR Filter.mp4
│      
├─机器学习-白板推导系列（17）-条件随机场CRF
│      条件随机场（1）-背景介绍.mp4
│      条件随机场（2）-HMM S MEM.mp4
│      条件随机场（3）-MEMM S CR.mp4
│      条件随机场（4）-CRF模型-概率密度.mp4
│      条件随机场（5）-CRF模型-概率密度.mp4
│      条件随机场（6）-CRF模型-要解决的.mp4
│      条件随机场（7）-CRF模型-Infe.mp4
│      条件随机场（8）-CRF模型-Lear.mp4
│      
├─机器学习-白板推导系列（18）-高斯网络
│      高斯网络（1）-总体介绍.mp4
│      高斯网络（2）-高斯贝叶斯网络.mp4
│      高斯网络（3）-高斯马尔科夫随机场.mp4
│      
├─机器学习-白板推导系列（19）-贝叶斯线性回归
│      贝叶斯线性回归（1）-背景介绍.mp4
│      贝叶斯线性回归（2）-推导介绍.mp4
│      贝叶斯线性回归（3）-推导介绍.mp4
│      贝叶斯线性回归（4）-推导预测.mp4
│      贝叶斯线性回归（5）-小结.mp4
│      
├─机器学习-白板推导系列（1）-开篇
│      开篇（1）-频率派S贝叶斯派.mp4
│      开篇（2）-学习资料介绍.mp4
│      
├─机器学习-白板推导系列（20）-高斯过程GP
│      高斯过程GP（1）-简单介绍.mp4
│      高斯过程GP（2）-权重空间角度.mp4
│      高斯过程GP（3）-权重空间到函数空间.mp4
│      高斯过程GP（4）-函数空间的角度.mp4
│      
├─机器学习-白板推导系列（21）-受限玻尔兹曼机RBM
│      受限玻尔兹曼机RBM（1）-背景介绍.mp4
│      受限玻尔兹曼机RBM（2）-背景介绍.mp4
│      受限玻尔兹曼机RBM（3）-模型表示.mp4
│      受限玻尔兹曼机RBM（4）-模型表示.mp4
│      受限玻尔兹曼机RBM（5）-模型推断.mp4
│      受限玻尔兹曼机RBM（6）-模型推断.mp4
│      
├─机器学习-白板推导系列（22）-谱聚类
│      谱聚类（1）-背景介绍.mp4
│      谱聚类（2）-模型介绍.mp4
│      谱聚类（3）-模型的矩阵形式.mp4
│      谱聚类（4）-模型的矩阵形式.mp4
│      谱聚类（5）-模型的矩阵形式.mp4
│      
├─机器学习-白板推导系列（23）-前馈神经网络
│      前馈神经网络（1）-从机器学习到深度学习.mp4
│      前馈神经网络（2）-从感知机到深度学习.mp4
│      前馈神经网络（3）-非线性问题的三种解决方法.mp4
│      
├─机器学习-白板推导系列（2）-数学基础
│      数学基础（1）-高斯分布-极大似然估计.mp4
│      数学基础（2）-高斯分布-极大似然估计（无偏估计S有偏估计）).mp4
│      数学基础（3）-高斯分布-从概率密度函数角度观察.mp4
│      数学基础（4）-高斯分布-局限性.mp4
│      数学基础（5）-高斯分布-已知联合概率求边缘概率及条件概率.mp4
│      数学基础（6）-高斯分布-已知边缘和条件概率求联合概率分布.mp4
│      数学基础（7）-不等式-杰森不等式.mp4
│      
├─机器学习-白板推导系列（3）-线性回归
│      线性回归1（最小二乘法及其几何意义）).mp4
│      线性回归2（最小二乘法-概率视角-高斯噪声-MLE）).mp4
│      线性回归3（正则化-岭回归）).mp4
│      线性回归4（正则化-岭回归-概率角度-高斯噪声高斯先验-MAP）.mp4
│      
├─机器学习-白板推导系列（4）-线性分类
│      线性分类1-背景.mp4
│      线性分类2-感知机（Perceptron).mp4
│      线性分类3-线性判别分析（Fisher判别分析）-模型.mp4
│      线性分类4-线性判别分析（Fisher判别分析）-模型.mp4
│      线性分类5-逻辑回归.mp4
│      线性分类6-高斯判别分析.mp4
│      线性分类7-高斯判别分析.mp4
│      线性分类8-高斯判别分析.mp4
│      线性分类9-朴素贝叶斯分类器.mp4
│      
├─机器学习-白板推导系列（5）-降维
│      降维1-背景介绍.mp4
│      降维2-样本均值&样本方差的矩阵表示.mp4
│      降维3-主成分分析（PCA）-最大投影方差角度.mp4
│      降维4-主成分分析（PCA）-最小重构代价角度.mp4
│      降维5-主成分分析（PCA）-SD角度.mp4
│      降维6-主成分分析（PCA）-概率角度.mp4
│      
├─机器学习-白板推导系列（6）-支持向量机SM
│      支持向量机1-硬间隔SM-模型定义.mp4
│      支持向量机2-硬间隔SM-模型求解.mp4
│      支持向量机3-硬间隔SM-模型求解.mp4
│      支持向量机4-软间隔SM-模型定义.mp4
│      支持向量机5-约束优化问题-弱对偶性证明.mp4
│      支持向量机6-约束优化问题-对偶关系的几何解.mp4
│      支持向量机7-约束优化问题-对偶关系之sla.mp4
│      支持向量机8-约束优化问题-对偶关系之KKT.mp4
│      支持向量机9-备份.mp4
│      
├─机器学习-白板推导系列（7）-核方法
│      核方法（1）-背景介绍.mp4
│      核方法（2）-正定核的两个定义.mp4
│      核方法（3）-正定核充要条件-必要性证明.mp4
│      核方法（4）-备份.mp4
│      
├─机器学习-白板推导系列（8）-指数族分布
│      指数族分布1-背景.mp4
│      指数族分布2-背景.mp4
│      指数族分布3-高斯分布的指数族形式.mp4
│      指数族分布4-对数配分函数与充分统.mp4
│      指数族分布5-极大似然估计与充分统.mp4
│      指数族分布6-最大熵角度.mp4
│      指数族分布7-最大熵角度.mp4
│      
└─机器学习-白板推导系列（9）-概率图模型基础
        概率图模型1-背景介绍.mp4
        概率图模型10-推断.mp4
        概率图模型11-推断.mp4
        概率图模型12-推断.mp4
        概率图模型13-推断.mp4
        概率图模型14-概念补充-道德图.mp4
        概率图模型15-概念补充-因子图.mp4
        概率图模型2-贝叶斯网络-Representation-条件独立性.mp4
        概率图模型3（补充解释）-贝叶斯网络-Representation-条件独立性).mp4
        概率图模型4-贝叶斯网络.mp4
        概率图模型5-贝叶斯网络.mp4
        概率图模型6-马尔可夫随机场.mp4
        概率图模型7-马尔可夫随机场.mp4
        概率图模型8-推断Inference.mp4
        概率图模型9-推断.mp4

『课程下载』:

游客,本付费内容需要支付 10学币 才能浏览支付

807044155

1111111111111111111111111

看看就好

谢谢分享

benbenit

第9章 Spark实现聚类算法

nfspp

谢谢分享啊啊

菜鸟能高飞

6666666666666666666666666666666666666

linyuan703

11111111111111

chenhouwang

机器学习课程 - 白板推导系列