机器学习中用到的的数学知识全面解读视频课程

*****课程目录*****
■第一课：微分学基本概念.mp4
■第七课：凸优化简介.mp4
■第三课：概率论简介.mp4
■第九课：从线性模型谈起的机器学习分类与回归.mp4
■第二课：微分学进阶.mp4
■第五课： 线性代数基础.mp4
■第八课：优化的稳定性.mp4
■第六课：线性代数进阶.mp4
■第十课：从信息论到工业界最爱的树模型.mp4
■第四课：极大似然估计.mp4
(1)课件与代码；目录中文件数:22个
■Bayesian Reasoning and Machine Learning.pdf
■ESLII.pdf
■Gaussian Processes for Machine Learning.pdf
■Information Theory, Inference, and Learning Algorithms.pdf
■Machine Learning-A Probabilistic Perspective.pdf
■matrix cookbook.pdf
■MLE.pdf
■Pattern Recognition and Machine Learning.pdf
■PRML中文版.pdf
■python_SciPy_Cheat_Sheet_Linear_Algebra.pdf
■数学班第二期第8课代码示范.支持向量机.ipynb
■机器学习中的数学第二期第1课微分学与梯度下降法.pdf
■机器学习中的数学第二期第2课微分学进阶.pdf
■机器学习中的数学第二期第7课凸优化简介.pdf
■机器学习中的数学第二期第8课凸优化进阶.pdf
■机器学习数学 教材.rar
■第10课-机器学习分类问题与数学(下).pdf
■第1课微分学与梯度下降法.pdf
■第2课微分学进阶.pdf
■第5课-线性代数基础_.pdf
■第6课-线性代数进阶.pdf
■第9课-机器学习分类问题与数学(上).pdf
(2)课件与代码Lesson1_2 HW
■p142_p143.JPG
■p148.JPG
■p176.JPG
■p210.JPG
■p211.JPG
(3)课件与代码Lesson1_2作业 HW
■p142_p143.JPG
■p148.JPG
■p176.JPG
■p211.JPG

*视频课程观看及下载链接：>>展开

更新日期：