|
课程介绍:
0 F% W0 P& q+ e2 s
- X& u, Z) D$ `7 r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。
5 f, P% }7 @5 H) Q
$ ~" p8 r# e$ k! U1 T* x0 s课程目录:
% {/ k1 Y2 ^, f
1 m2 m V1 g) E6 C# ?第1课 机器学习与数学综述( i W* \+ {/ s% |
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
) S9 x% y4 s& ?' c2 j- }( H! ~/ Y9 }- E7 F+ D1 S
第2课 微积分
( z) G1 y/ }$ W! T& Y9 B9 mTaylor展式、梯度下降和牛顿法初步、Jensen不等式
7 F4 ~' o; j9 |/ L4 p) ]( t1 k; I. @5 Z; K* f8 Q
第3课 概率论与数理统计
m. }, w6 n- X: u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7 R! C) i/ N! o6 v! B
$ p0 o' o% i' ~" S' H
第4课 参数估计
6 N- r' f& H6 t矩估计、极大似然估计4 n `0 q6 l6 a x
1 v3 v. ~1 h6 J" o第5课 矩阵基础
' p0 }5 c0 I7 a5 y. B( A' G; s) Z) c线性映射,线性方程,矩阵基本概念,相似变换,特征向量
/ ]/ R I& }& i0 ^/ l
4 d: u7 B7 h- T2 q: F第6课 矩阵进阶4 d9 V6 z# {- T: k0 n/ I; v
二次型,对称矩阵对角化,奇异值分解
$ H! M1 _$ a I7 ^& Q" j/ R7 e5 d' \8 t( A
第7课 凸优化基础: M# Y# m; ~, b9 U4 y
优化、凸优化基本概念简介,凸集,凸函数' i+ S$ @; H5 ?5 v3 u1 O
' ?5 X: k/ {0 l# t% N' X. K" w, V第8课 凸优化进阶
! n- `- t7 h/ b4 \& u1 e凸优化问题标准形式,对偶问题与KKT条件+ S& I9 c x) E" D4 i2 O3 k
牛顿法,内点法
( c3 @! i* [) [/ p0 r4 I5 S+ O+ g2 U% l% w
第9课 从数学到机器学习分类问题
4 l' _$ w5 j* M% l7 V; t9 Q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
% A3 }7 X1 g( t4 S3 D" A7 r+ a# p. e
第10课 优化与统计学习的典型应用:SVM进阶# g# L: `: ?6 X3 e1 r' s6 ^
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
7 U3 h |4 M9 v6 |& l; I. t) A
. k$ u3 I# ~5 d' i h( j) b2 |
, z- @: Q- k7 A q I; @7 Q9 \# Y c1 P$ A3 n# Y2 G9 a
5 i) b4 ]" X7 t
& f! y! n( U! |9 Z# v
. d) U9 E; I, ^+ B. s5 Y9 U资源下载地址和密码(百度云盘): [/hide] 百度网盘信息回帖可见) t0 @+ `3 A2 x9 Z" p& M& I5 s
( e0 F8 u F) S) ?3 X N$ v7 l, e5 b. n& h
; @4 H2 X2 ]! o$ `& u
本资源由Java自学网收集整理【www.javazx.com】 |
|