|
课程介绍:
: J% L" s4 y% m7 q" f
, A) x6 k: {# l& I5 L机器学习中的数学班 [入门ML必备的数学基础],数学对机器学习的重要性不言而喻(不少人便因数学忘了或数学功底不足,而学不下去),为帮助大家复习、巩固数学基础,特开此新班:机器学习中的数学班,涵盖微积分、概率统计、矩阵、凸优化等数学基础,以及机器学习应用。在线直播、实时答疑、课后视频反复看。4 F$ R* \7 I& S/ I5 r" \9 y
, q2 f0 U0 i ^; c课程目录:
1 I( }* T4 U- ]- t7 u8 w2 S$ K; d7 w/ I( N2 r7 V1 r. G
第1课 机器学习与数学综述
q# [8 R! p7 B I4 A* f机器学习的种类与基本思路,假设函数与损失函数,机器学习与统计学、最优化、微分、矩阵运算的关系3 b0 d8 o7 s/ b
! M! J6 g9 q; a; A- }( s3 Z
第2课 微积分' C4 G/ z' S. s6 Y5 H9 {# a4 \
Taylor展式、梯度下降和牛顿法初步、Jensen不等式
* u# y3 B7 i$ X$ l! ~- G' S; E- }9 \$ x" E" m
第3课 概率论与数理统计
( c: i0 j) l6 U, {* p- \2 V常见分布与共轭分布、切比雪夫不等式、大数定理、中心极限定理
+ B7 \2 L t0 y% q$ q
+ R S' G0 e( x A# F第4课 参数估计% y$ F6 o- i- S+ B
矩估计、极大似然估计
; D" {! d# o h* a Y$ D9 L
5 D: |9 \; n* Z. p第5课 矩阵基础
0 w* {* `6 A7 S' V线性映射,线性方程,矩阵基本概念,相似变换,特征向量
$ @3 @& Q7 H3 [- d
9 p6 d& l" r9 [$ M: m第6课 矩阵进阶/ o" y, Q6 i* q+ w# a- z4 K/ B- p
二次型,对称矩阵对角化,奇异值分解* }: K( M' ?1 a+ ?5 e7 u
+ E4 O. Z2 b& z: I3 q \- p5 b/ a) E& M
第7课 凸优化基础5 T" Z# Z. N1 H0 _# I: d' o
优化、凸优化基本概念简介,凸集,凸函数. q! e1 ^0 j7 q1 |+ }$ N
% U# T% Q2 O9 J; @; y7 ~ p& ~
第8课 凸优化进阶0 _, f9 R) ~( R9 } I
凸优化问题标准形式,对偶问题与KKT条件0 i8 r* O' Q& `, c6 F8 `
牛顿法,内点法+ K! X9 e9 M8 l7 D9 y1 w
3 d y* L, C0 D, R1 t5 G- f
第9课 从数学到机器学习分类问题
4 o2 d3 Z9 ~ u Y0 v; c: O9 T机器学习与分类问题,空间切分与决策边界,Softmax与linearSVM,损失函数与最小化2 B, \ V: f Y. L* K/ o& H5 I7 M
4 E! C# f$ }' R# N3 s% Z" d
第10课 优化与统计学习的典型应用:SVM进阶
+ w+ }+ x+ o8 K: D最大间隔分类,SVM中的目标函数的优化方法,kernel tricks,soft-hard margin,thinking in SVMs
. H" M7 U" r2 q! y& j; ` A W) S5 u/ h3 x: U0 Z' P- F
! z# S' r1 \5 L1 {! T6 k! F/ ?, ^5 `+ ~* ~
- n% }$ v0 h( v* v& U
& ^" @. p1 |9 q+ T2 q! H$ l" @
7 o8 ^' J0 s6 T5 L6 J& J
资源下载地址和密码(百度云盘): [/hide] 百度网盘信息回帖可见# D2 k( s0 j$ P: K0 x- K' ^
7 K+ Y4 G* S" w$ T' B7 f. {
/ d5 U- I v6 W7 |, b
5 \8 X7 ~6 [+ [; D1 g M- D/ ]4 H本资源由Java自学网收集整理【www.javazx.com】 |
|