|
课程介绍:
* P; _# e7 B$ f0 `1 V+ T4 o' D7 f$ f+ V! t! ?8 U3 U7 x
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。- `; J& s* Z) l0 n2 f! Q9 C2 Q7 k
% B. d' B6 p1 A. g2 v课程目录:
6 q! U7 E8 S" @$ T3 f( ?
( z% S) t Q4 I) s第1课 机器学习与数学综述$ W: V* m6 r( h2 V
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4 u5 g& M# Y3 L/ r$ P6 q/ y
1 X8 [7 @- o# N5 ?% [$ C6 K第2课 微积分
; m- M6 R) X& K4 E' ]6 JTaylor展式、梯度下降和牛顿法初步、Jensen不等式# \9 \! y: j' h
2 k: O* e" A6 d% F T
第3课 概率论与数理统计$ Y3 k: m; n, x- {5 ]6 f7 c
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
) w# B* n8 o5 ~8 l c* C) ]9 V" y8 t4 i# M: y
第4课 参数估计
6 [& [6 u) H4 t6 o. F矩估计、极大似然估计- D8 J2 g( B9 i* n
; Y/ A: S/ _9 { B0 x* ^$ ], S
第5课 矩阵基础! }3 r, i' @/ a: x& b. L
线性映射,线性方程,矩阵基本概念,相似变换,特征向量- p& }- @ g# b( [% ?* G
. d+ }9 f* p) U& D: r( b1 \, l
第6课 矩阵进阶
% H g$ I" a. L% {: X! @二次型,对称矩阵对角化,奇异值分解
9 L& c4 I+ _# D; E- f. M/ a' E
第7课 凸优化基础$ I* h* C, |7 S. _+ n# {
优化、凸优化基本概念简介,凸集,凸函数/ C$ K* q9 F. e& a7 o6 _' A
" \7 @! O7 {* P/ y4 S
第8课 凸优化进阶# }5 ^% d8 |8 b' \8 g/ C
凸优化问题标准形式,对偶问题与KKT条件
2 ~& T- V3 l, \& H5 v2 v牛顿法,内点法 C) W' J! r$ Q' ]. ]
- c# F6 e! N9 ?1 t$ o+ n第9课 从数学到机器学习分类问题. g7 g2 X3 P' Y X- K I* I A
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
- d2 O* f- |( ?9 l8 W8 ~6 E3 _: }" M' Q' I8 ], q- _
第10课 优化与统计学习的典型应用:SVM进阶( s6 q) s% I4 `( X" A) P/ |
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
3 E% r R% [" f. T/ `4 y# s( z3 W+ R
1 G3 Y1 ?8 c! k. F9 p
" ?: Q" p: I1 e) M
, x( i4 G3 `" S
! w( e* v. E6 N* p
J7 l1 ?9 A& j, n: c% r% ~/ l+ N: K6 O5 i/ T
资源下载地址和密码(百度云盘): [/hide] 百度网盘信息回帖可见
2 [$ r5 i+ D( E. j+ y( \# o3 V
5 ^5 n u$ w3 L! e, o" b9 _" G, ~9 T* A
5 Q! d9 [7 p' x! ?8 e0 T
0 t6 d9 S( P8 K$ V$ @5 ?本资源由Java自学网收集整理【www.javazx.com】 |
|