|
研究生机器学习课程-浙江大学,夸克网盘资源,免费下载。浙江大学的研究生机器学习课程,总共61课,比较系统的学习,毕竟是大学出的,对机器学习感兴趣的可以看看~
$ B3 Y7 I# k) r) {6 K$ O1 Y9 O├── 1.机器学习课程(一)教科书介绍.mp4
2 `5 W2 K6 M8 |├── 2.机器学习课程(二)成绩安排.mp40 z3 \0 k& w2 P8 K6 ?: b
├── 3.机器学习课程(三)概念介绍.mp4
! J6 }* X9 ^+ ^2 L ]+ \├── 4.机器学习课程(四)这门课程的内容概述.mp4; ?9 J# d( i1 O
├── 5.机器学习课程(五)没有免费午餐定理.mp4
2 A# g0 n7 d I ~( M& p, V) \ i: X7 Q: w├── 6.机器学习课程(六)支持向量机(线性模型)问题.mp4; C" k- Z. Y) T! ~
├── 7.机器学习课程(七)支持向量机(线性模型)数学描述.mp4
6 ?% j/ B( x7 C4 {0 I; a├── 8.机器学习课程-8.支持向量机(线性模型)的图像展示.mp4
6 A/ W& x7 M" h0 F& B├── 9.机器学习课程-9.支持向量机(非线性模型)优化目标函数和限制条件.mp4' w& C) }* w2 F8 f
├── 10.机器学习课程-10.支持向量机(非线性模型) 低维到高维映射..mp4
2 d* W) v' t, @) O3 E) a: B2 r: f├── 11.机器学习课程-11.支持向量机(非线性模型)原问题和对偶问题..mp4! v+ b! M; ]( ] Q, o n
├── 12.机器学习课程-12.支持向量机-将支持向量机原问题转化为对偶问.mp4$ H1 m) r) u. f% ^7 [- ^
├── 13.机器学习课程-13.支持向量机 – 核函数介绍.mp48 r% q, d) V: B; Y6 }
├── 14.机器学习课程-14.支持向量机的应用 -- 兵王问题(规则介绍).mp4
6 V: }# `% n0 {8 L8 M├── 15.机器学习课程-15.支持向量机的应用 – 兵王问题 (参数设置).mp4
& e4 P+ W# v1 C6 p' q7 D6 g├── 16.机器学习课程-16.支持向量机的应用 – 兵王问题 (测试结果).mp4
" z+ b- k: h6 b! _4 Y. N; i% f├── 17.机器学习课程-17.ROC曲线.mp4
" G0 ?& p4 c) r├── 18.机器学习课程-18.支持向量机 – 处理多类问题.mp4; }5 n/ ^4 B4 T
├── 19.机器学习课程-19.人工神经网络 – 神经元的数学模型.mp4
* A- ?# \8 o" ]├── 20.机器学习课程-20.人工神经网络 – 感知器算法.mp4$ c' C. Z# `6 r
├── 21.机器学习课程-21.人工神经网络 – 人工智能的第一次寒冬.q.mp4+ J: R/ q6 O1 I$ h# W. x
├── 22.机器学习课程-22.人工神经网络 – 多层神经网络.mp4
1 n1 U9 w1 J+ m7 r8 G1 r; L- F├── 23.机器学习课程-23.人工神经网络—三层神经网络可以模拟任意决策面.mp4
2 v P6 _# W0 b/ j' n6 Y e% O├── 24.机器学习课程-24.人工神经网络—后向传播算法.mp4' }. Z- \4 w& w' e" P! D) b1 q
├── 25.机器学习课程-25.人工神经网络 – 参数设置.mp4& n' y) Q. a4 X- n9 e
├── 26.机器学习课程 26 深度学习数据库准备.mp4$ F7 t5 a2 @+ z
├── 27.机器学习课程 27 深度学习自编码器.mp4
1 X; P+ w* j% p8 C- }( Z├── 28.机器学习课程 28 深度学习 卷积神经网络LeNet.qsv..mp48 R3 g2 F$ O2 a( c
├── 29.机器学习课程-29.深度学习 – 卷积神经网络(AlexNet).mp4
! p2 T% ~; ]% U" Z P1 F; {0 m├── 30.机器学习课程-30.深度学习 – 编程工具(Caffe和Tensorflow).mp4. b# e3 ]/ e' R7 V' U1 O+ ^
├── 31.机器学习课程-31.深度学习 – 近年来流行的网络结构.mp41 h" V6 A. @# s. j% I* s
├── 32.机器学习课程-32.深度学习 – 卷积神经网络的应用.qsv..mp4
2 d+ `# t* A6 U4 B7 G% \├── 33.机器学习课程_33_AlphaGo围棋规则.mp47 k6 J5 g" y! B- S& j2 q# Z( c
├── 34.机器学习课程-34.AlphaGo (围棋有必胜策略的证明)..mp4
3 n' [4 H, U, n├── 35.机器学习课程-35.强化学习Q-learningl.mp4+ ]" S( h* l4 ~3 X& T. ?8 o6 w
├── 36.机器学习课程-36.强化学习(policy gradience).mp4
% ?. V9 S5 P0 p: r' t; J Z├── 37.机器学习课程_37__增强学习_(AlphaGo).mp4
8 n5 |3 Q5 z* ]9 C/ q├── 38.机器学习课程-38.特征提取 – 主成分分析(PCA).mp4
" v; Q. l% T3 s" }" o: @├── 39.机器学习课程-39.特征选择 – 自适应提升(AdaBoost).mp4
$ H) A: z- C) v; `9 g0 e├── 40.机器学习课程-40.目标检测 (RCNN和FCN).mp4
4 L) _4 Y$ c) ]: B├── 41.机器学习课程-41.概率分类法概述.mp40 c7 g$ e$ Q" e% U- W4 r
├── 42.机器学习课程-42.概率密度估计 – 朴素贝叶斯分类器.mp43 R' f; S) ` P
├── 43.机器学习课程-43.概率密度估计 – 高斯密度函数.mp43 M/ Q' v2 J/ j' ]5 ?& H
├── 44.机器学习课程-44.概率密度估计 – 高斯混合模型.mp4
2 _' p7 {& A8 `+ `9 l% S2 ^0 @├── 45.机器学习课程-45.EM算法(高斯混合模型和K-均值算法).mp4' }; [5 X/ _2 m7 \/ v( e
├── 46.机器学习课程-46.K-均值算法在图像压缩方面的应用.mp4├── 49.机器学习课程 49语音识别概述.mp4
# G. c( e- V- M7 z$ _) K├── 50.机器学习课程 50 隐含马尔科夫过程.mp4; p: F6 T6 e' g( @+ x( [
0 [, a; y/ L" l p$ V2 ? Y7 O
& C' B. Z3 N6 _, U
3 U" Q) w4 E/ i9 N; K
$ C7 \$ y* l8 B! f0 Q侵权联系与免责声明1、本站资源所有言论和图片纯属用户个人意见,与本论坛立场无关; a/ i( l M" Y+ ~/ q
2、本站所有资源收集于互联网,由用户分享,该帖子作者与瑞客论坛不享有任何版权,如有侵权请联系本站删除
4 n% ~% G" [; z2 u" Z% g5 r4 a3、本站部分内容转载自其它网站,但并不代表本站赞同其观点和对其真实性负责
( C& U$ h y G6 y) K4、如本帖侵犯到任何版权问题,请立即告知本站,本站将及时予与删除并致以最深的歉意4 J- u% |5 B7 [& _+ G! P
如有侵权联系邮箱:ruikelink@gmai.com2 ~) B( X/ z1 P; V) }* z
资源下载地址和密码(百度云盘): [/hide] 百度网盘信息回帖可见- c$ ^- i! y, W4 n, r/ }
8 ?7 z$ d% q9 e7 N5 y
% D# t/ P7 f0 p& l* X
) C# K& y v+ O- N# o/ W+ d& J本资源由Java自学网收集整理【www.javazx.com】 |
|