|
|
课程介绍
f4 C# p# @5 G, b9 T+ `! {3 T& B$ @& V6 i- N; j
这是一套概率论与数理统计的专题课程，人工智能开发必备数学技能，也适用于数据分析数据挖掘。
{! b+ ]2 j# V' O9 Q- c+ _
( |5 X( O* j, _) f! B9 o, ]课程目录
7 A, [2 b1 V" s8 Y" M6 V第1课 概率论基础
; n9 r e% n7 o7 `* U( P. ^' }; F% i+ l0 f: _2 a. W
$ h9 n# Q e7 x5 W( Q3 O知识点1：概率论基础，贝叶斯公式，常见分布与共轭分布
' B3 r2 d! l }( c/ i, _实战项目：朴素贝叶斯分类(上)) n( r; H3 g; r) K+ T& o. Y
第2课 参数估计6 M" y9 e0 D' R- Q+ i
$ R( h/ m/ d$ ~$ w3 g3 ?" D5 s$ j4 B3 h' z
知识点1：分布的特征函数，切比雪夫不等式、大数定理、中心极限定理8 a$ `' m% h5 E$ d
知识点2：矩估计，极大似然估计. s4 A l/ D1 \
实战项目：朴素贝叶斯分类(下)，逻辑回归
4 c9 ]( f z% g X) i* J第3课 参数估计的渐进性质, T0 [( ~$ s+ Z+ [+ p' D; q, D2 m
8 B2 j3 ?8 S! F, J( x# J4 Y g9 A, V3 p
知识点1：凸函数，参数估计的渐进性质
" [: Z0 e) ~/ b$ n" v! E8 [1 O7 k实战项目：区间估计，线性回归中统计量的含义
/ n3 X4 R7 n/ m: M3 h* Q* l第4课 概率统计在机器学习中的应用) ^9 ]+ m6 |! Y8 [* d4 `
4 ~* C" N# V3 W5 ]5 h
& x5 j+ k/ U5 X+ @+ ] ?知识点1：EM算法原理分析2 l0 L p" P' A# m, @. F
知识点2：EM算法用于高斯混合模型的参数估计7 i9 x* s* U; W: c. c, @( S5 ^3 `/ Q
知识点3：EM算法用于缺失值的处理
( h, h- Y4 u# g; a课程大小7 u& H% p n& S' a( m1 z1 Y
2 S0 a4 h0 S, `0 o, L. x0 o下载地址
$ v/ P# u7 ?5 R4 [8 b$ q回复可查看课程下载链接&提取码(10)
. D! o% ^ n; b8 j( n. i
3 C1 [4 g* j* x) s) y6 t* y; L3 ?; S+ ~: a7 s$ X
! e+ c8 V) w2 Y8 F* e
/ j% _' s$ R3 A
2 s, W" r4 R n, s6 p$ j- }: @! u5 t! k! [( {* r
资源下载地址和密码（百度云盘）： [/hide] 百度网盘信息回帖可见( {5 B, u8 J$ X$ c* a% h& T5 }4 P
9 I& P+ V6 x) H4 K* t
: H5 v0 ^% e9 {+ t$ N T
5 m% u; d7 l' x本资源由Java自学网收集整理【www.javazx.com】 |
|
发表于 2022-6-24 14:33:01
