本套课程来自小象学院，由秦曾昌秦老师主讲的：机器学习算法精讲，课程官方售价799元，课程共计20节，包含完整相关课程资源与源码，共计12.2G
面对越演化越复杂的机器学习算法模型，只能简单应用怎么能行？
学算法就像学内功无论模型多复杂，都是由简单的模型演化而成，只有掌握其内在原理，应用起来才能随心所欲
小象学院签约讲师
美国加州大学伯克利分校博士后、牛津大学与卡内基梅隆大学访问学者英国布里斯托大学硕士、博士。
Springer出版英文专著1本、编辑论秦曾昌（1本和专业论文或章节，共90余篇。
为什么设置这门算法理论课程，和其他机器学习课程有什么区别？
本门课程旨在解决大家算法能力薄弱的问题。和基础的算法课也不同，本课专门针对机器学习中的算法原理和推导，专为工作和学习中用到机器学习的人来设计。
需要具备哪些基础知识？
高等数学和基本的编程（学过Python打卡课就够哦~）能力
课程文件目录：
秦老师机器学习算法精讲(价值799) [12.2G]
视频 [12.1G]
01.机器学习中的数学基础.mp4 [605.4M]
02.机器学习的数学基础.mp4 [611.6M]
03.机器学习中的哲学.mp4 [686.4M]
04.机器学习中的数学基础.mp4 [685.6M]
05.经典机器学习模型.mp4 [598.4M]
06.经典机器学习模型.mp4 [577.2M]
07.经典机器学习模型.mp4 [394.7M]
08.线性模型.mp4 [604.4M]
09.线性模型.mp4 [607.5M]
10.核方法.mp4 [709M]
11.核方法.mp4 [695.9M]
12.统计学习.mp4 [666.6M]
13.统计学习.mp4 [697.3M]
14.统计学习.mp4 [569.1M]
15.统计学习.mp4 [643.4M]
16.无监督学习.mp4 [723.6M]
17.流形学习.mp4 [700.2M]
18.概念学习.mp4 [606.7M]
19.神经网络.mp4 [499.9M]
20.强化学习.mp4 [521.3M]
资料 [130.2M]
2、机器学习的数学基础.pdf [2.8M]
3、机器学习的哲学.pdf [3.9M]
4、机器学习的数学基础.pdf [788.7K]
5、经典机器学习模型.pdf [1.9M]
6、经典机器学习模型.pdf [1.1M]
7.2、Guo-PRICAI.pdf [362.3K]
7、经典机器学习模型.pdf [995.2K]
8、线性模型.pdf [1.1M]
10、核方法.pdf [1.5M]
11、核方法.pdf [1M]
12、统计学习.pdf [1.8M]
16、无监督学习.pdf [2.1M]
第五课_代码.zip [17.1M]
资料.rar [61.3M]
lle.pdf [635.8K]
Logistic Regression.zip [7.8M]
Note_1_MachineLearningIntro.pdf [754.4K]
Note_13_MaxMargin.pdf [910.6K]
Note_14_Kernel.pdf [308.5K]
Note_15_GeoIntMaxMargin.pdf [589.5K]
Note_16_ EM.pdf [961.8K]
Note_17_Locally Linear Embedding.pdf [532.9K]
Note_2_Geometric Interpretation of Determinant.pdf [215.2K]
Note_3_LNorm.pdf [332.6K]
Note_4-GradientDescent.pdf [1.2M]
Note_5_NaiveBayes.pdf [425.4K]
Note_7_EnsembleLearning.pdf [743K]
Note_9_OLS.pdf [588.1K]
Note11_Lagrange.pdf [917.5K]
Note12_Lagrange2.pdf [917.4K]
probability ( MIT Bertsekas).pdf [2.1M]
probability ( MIT Bertsekas)(1).pdf [2.1M]
RandomForest.zip [10.7M]
下载量 : 0 | 类型 : 压缩文件
还没有评论，来说两句吧...