七月在线ML_3月机器学习在线班网课资源 百度云下载

路径：IT1区/ --00新课/ 2022 / 34.七月在线机器学习/ ML_3月机器学习在线班

七月在线ML_3月机器学习在线班网课资源 百度云目录：

一、video

01 微积分与概率论基础

02 参数估计与矩阵运算基础

03 凸优化基础

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、最大熵模型MaxEnt、改进的迭代尺度法IIS

07 聚类（k-means、层次聚类、谱聚类等）

08 K近邻、决策树、随机森林(random decision forests)

09 Adaboost

10 朴素贝叶斯、与贝叶斯网络

11 支持向量机（最大间隔分类、拉格朗日乘值、对偶问题、损失函数、最优化理论、SMO）

12 EM、混合高斯模型

12 衣服推荐系统

13 主题模型（概率潜语义分析PLSA、隐含狄利克雷分布LDA）

14.15 马尔科夫链、隐马尔可夫模型HMM、采样

16 马尔可夫随机场(Markov Random Field)、条件随机场CRF

17 SVD、主成分分析PCA、因子分析、独立成分分析ICA

18 卷积神经网络(CNN)、深度学习浅析

19 变分推断方法

20 知识图谱

二、material

1.1微积分与概率论.pdf

1.微积分与概率论.pdf

2.1.1参数估计的评价准则.pdf

2.1参数估计与矩阵运算.pdf

2.参数估计与矩阵运算.pdf

2012.李航.统计学习方法.pdf

3.凸优化.pdf

4.1广义线性回归和对偶优化.pdf

4月19日晚的分享_黄高乐

5.梯度下降和拟牛顿.pdf

6.最大熵模型.pdf

7.聚类.pdf

8.决策树与随机森林.pdf

9.Adaboost导论.pdf

9.贝叶斯网络.ppt

10.1贝叶斯网络.pdf

11.支持向量机.pdf

12.EM和GMM.pdf

13.0主题模型_预习材料.pdf

13.主题模型.pdf

14.隐马尔科夫模型.pdf

Adaboost.pdf

Adaboost.py

book11April2014.pdf

CART.py

Finding scientific topics.pdf

kernel.py

lda.py

mcmc.pdf

七月教育LDA学员分享_version2.pdf

凸优化-中译本(扫描).pdf

推荐系统实践.pdf

学习率代码.cpp

1、推荐：开通VIP会员可以免费下载学习本站资源，非常超值！

2、单独获取本套课程请：【点击查看操作流程】