|
|
课程介绍:
" z, R* L/ |! a# p, _( ~* k5 Z N
4 y8 A1 z% Q5 b3 e$ G2 n. D0 v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。
2 Z5 `' Z& h9 r3 ~5 P2 e4 [6 X* f" n8 W6 f1 F- Y
课程目录：4 E+ g$ m3 ~% P
5 H( W6 w! N' Y! l第1课 机器学习与数学综述
$ U6 x+ `9 j9 u5 p4 ~0 ^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
$ F( P5 u$ [6 C6 N0 M9 z6 o% o- U% m8 w9 H
第2课 微积分
6 j/ s) e; i, ?& {Taylor展式、梯度下降和牛顿法初步、Jensen不等式- o" p7 }8 b# | i
7 w2 ?+ \' ?; J/ B6 \% F第3课 概率论与数理统计
. S4 M' l: {# F4 X9 q: W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
8 V' b: U: \/ S5 O5 Y( P( U: O$ Z$ O7 C, U0 z2 L
第4课 参数估计
9 k- [; p9 w8 C. {6 I* |矩估计、极大似然估计
% q/ S; K+ |; r) N. q2 N Y1 P7 X8 E) E, @1 S& m: x% |
第5课 矩阵基础
7 P7 R9 C6 T5 }) l- b! h2 S! z* P线性映射，线性方程，矩阵基本概念，相似变换，特征向量1 j4 n* k) v5 c8 x2 Y; s1 X
! a6 y( d1 e) O
第6课 矩阵进阶3 V" u9 s, Y; ]/ x' y1 i6 H
二次型，对称矩阵对角化，奇异值分解# I1 D7 K `& I# u8 ?5 D) h
( z$ v' }4 _, d* {& N Z5 J第7课 凸优化基础
% u' |- g" b4 {1 X* @优化、凸优化基本概念简介，凸集，凸函数
6 X( X, ~/ R" N+ O% s
}. p8 [' X i第8课 凸优化进阶
( i9 V0 l* {6 h; P( c9 C凸优化问题标准形式，对偶问题与KKT条件
2 W: C% m' ?3 J$ p# h+ Z4 S* v4 I4 N牛顿法，内点法
, a/ R9 x: x7 S- C- P3 X; q/ Z. P& k
第9课 从数学到机器学习分类问题5 q& Y2 Z* _; j/ 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& `. z+ N# W! n) B
; c& p, _7 Z, `3 w
第10课 优化与统计学习的典型应用：SVM进阶
* S; W. U3 p' l U b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) d3 v8 Z# B9 r) g) ^; G5 h7 a
0 [/ B8 a& o8 H7 H$ H' @( \5 c; I$ i
6 |* Z* u) d& m" G) Y) x- `
, Q/ y* h- J: K9 S
! \) ^2 Q1 a* a% f( @/ H
' q- p3 M" ` 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- \- _5 ^0 s; D% O2 V/ A
; n6 @3 }+ G% T5 b$ c3 q2 m0 A7 w7 [* V {- g0 c" j
3 n3 B, f0 [ U+ l: H0 }2 \本资源由Java自学网收集整理【www.javazx.com】 |
|
[复制链接]
发表于 2023-1-4 08:00:01
