大数据机器学习培训(完结)视频
33531文件名称: 大数据机器学习培训(完结)视频法_共:6.68GB
文件总数量: 133条
压缩文件数量: 0条
压缩文件比: 0%
疑似加密文件: 0条(需要授权播放的文件)
文件创建时间: 2021-11-20 09:51:00
目录:【大数据机器学习培训(完结)】
目录:【大数据机器学习培训(完结)/第20章深度学习优化方法】
4.相关策略_.mp4
3.神经网络的优化算法_.mp4
2.神经网络优化的挑战_.mp4
1.深度学习的优化问题_.mp4
目录:【大数据机器学习培训(完结)/第19章深度学习正则化方法】
4.深度学习的正则化方法(二)_.mp4
3.深度学习的正则化方法(一)_.mp4
2.计算图形式的反向传播算法_.mp4
1.深度学习简介和架构设计_.mp4
目录:【大数据机器学习培训(完结)/第18章神经网络和深度学习】
5.深度学习_.mp4
4.玻尔兹曼机_.mp4
3.神经网络的基本概念以及常见的神经网络(二)_.mp4
2.神经网络的基本概念以及常见的神经网络(一)_.mp4
1.神经网络的发展历程_.mp4
目录:【大数据机器学习培训(完结)/第17章概率图模型的学习与推断】
开头_.mp4
2.近似推断法:MCMC和变分推断_.mp4
1.精确推断法:变量消去法和信念传播法_.mp4
目录:【大数据机器学习培训(完结)/第16章条件随机场】
开头_.mp4
5.条件随机场的预测算法_.mp4
4.条件随机场的学习算法_.mp4
3.条件随机场的计算问题_.mp4
2.条件随机场的定义与形式_.mp4
1.概率无向图模型_.mp4
目录:【大数据机器学习培训(完结)/第15章隐MA尔可夫模型】
开头(5)_.mp4
4预测算法_.mp4
3.学习算法_.mp4
2.概率计算算法_.mp4
1.隐MA尔科夫模型的基本概念_.mp4
目录:【大数据机器学习培训(完结)/第14章计算学习理论】
开头(4)_.mp4
5.学习稳定X_.mp4
4.VC维_.mp4
3.有限假设空间_.mp4
2.概率近似正确学习理论_.mp4
1.计算学习理论的基础知识_.mp4
目录:【大数据机器学习培训(完结)/第13章EM算法及混合高斯模型】
开头(3)_.mp4
5.EM算法的推广_.mp4
4.EM算法在高斯混合模型学习中的应用_.mp4
3.EM算法的收敛X_.mp4
2.EM算法的引入_.mp4
1.问题提出_.mp4
目录:【大数据机器学习培训(完结)/第12章提升方法】
4.Adaboost的实现_.mp4
3.Adaboost算法的解释_.mp4
2.Adaboost算法的训练误差分析_.mp4
1.提升方法Adaboost算法_.mp4
目录:【大数据机器学习培训(完结)/第11章降维与度量学习】
开头(2)_.mp4
5.流型学习和度量学习_.mp4
4.核化线X降维_.mp4
3.主成分分析_.mp4
2.降维嵌入_.mp4
1.k近邻学习_.mp4
目录:【大数据机器学习培训(完结)/第10章核方法与非线XSVM】
开头_.mp4
3.序列最小最优化算法_.mp4
2.核函数和非线X支持向量机_.mp4
1.泛函基础知识_.mp4
目录:【大数据机器学习培训(完结)/第09章SVM】
6.线X支持向量机_.mp4
5.支持向量的确切定义_.mp4
4.凸优化问题的基本概念_.mp4
3.线X可分支持向量机_.mp4
2.SVM简介_.mp4
1.开头_.mp4
目录:【大数据机器学习培训(完结)/第08章逻辑斯谛回归与最大熵模型】
3.模型学习的最优化方法_.mp4
2.最大熵模型_.mp4
1.逻辑斯谛回归模型_.mp4
目录:【大数据机器学习培训(完结)/第07章决策树和随机森林】
开头_.mp4
6.随机森林_.mp4
5.CART算法_.mp4
4.决策树的减枝_.mp4
3.决策树的生成_.mp4
2.信息量和熵_.mp4
1.决策树模型与学习基本概念_.mp4
目录:【大数据机器学习培训(完结)/第06章贝叶斯分类器及图模型】
7.吉布斯采样_.mp4
6.贝叶斯网络结构学习推断_.mp4
5.半朴素贝叶斯分类器_.mp4
4.朴素贝叶斯分类器_.mp4
3.贝叶斯网络_.mp4
2.概率图模型_.mp4
1.综述_.mp4
目录:【大数据机器学习培训(完结)/第05章聚类】
3.4原型聚类层次聚类_.mp4
3.3原型聚类密度聚类_.mp4
3.2原型聚类学习向量算法_.mp4
3.1原型聚类k均值算法_.mp4
2.X能度量_.mp4
1.原型聚类描述_.mp4
目录:【大数据机器学习培训(完结)/第04章感知机】
3.感知机学习算法_.mp4
2.感知机学习策略_.mp4
1.感知机模型_.mp4
目录:【大数据机器学习培训(完结)/第03章模型X能评估】
9.T检验_.mp4
8.假设检验_.mp4
7.代价敏感错误率_.mp4
6.ROC和AUC曲线_.mp4
5.PR曲线_.mp4
4.X能度量_.mp4
3.自助法_.mp4
2.交叉验证法_.mp4
10.偏差和方差_.mp4
1.留出法_.mp4
目录:【大数据机器学习培训(完结)/第02章机器学习基本概念】
9.泛化能力_.mp4
8.过拟合与模型选择_.mp4
7.训练误差和测试误差_.mp4
6.没有免费的午餐定理_.mp4
5.奥卡姆剃刀定理_.mp4
4.学习方法三要素_.mp4
3.假设空间_.mp4
2.监督学习_.mp4
1机器学习的基本术语_.mp4
10.生成模型和判别模型_.mp4
目录:【大数据机器学习培训(完结)/第01章概述】
7.大数据机器学习的主要特点_.mp4
6.机器学习的发展历程_.mp4
5.机器学习和统计学习的关系_.mp4
4.机器学习和数据挖掘的关系_.mp4
3.深度学习方法和其它人工智能方法的共X和差异_.mp4
2.机器学习和人工智能的关系_.mp4
1.机器学习定义和典型应用_.mp4
目录:【大数据机器学习培训(完结)/00讲义】
第20讲__深度学习优化方法_.pdf
第19讲__深度学习正则化方法_.pdf
第18讲__神经网络和深度学习_.pdf
第17讲__概率图模型的学习与推断_.pdf
第16讲_条件随机场_.pdf
第15讲_隐MA尔可夫模型_.pdf
第14讲_计算学习理论_.pdf
第13讲_EM算法及混合高斯模型_.pdf
第12讲_提升方法_.pdf
第11讲_降维与度量学习_.pdf
第10章_核方法与非线XSVM_.pdf
第09章_SVM_.pdf
第08章__逻辑斯谛回归与最大熵模型_.pdf
第07章_决策树和随机森林_.pdf
第06章_贝叶斯分类器及图模型_.pdf
第05章_聚类_.pdf
第04章_感知机_.pdf
第03章_模型X能评估_.pdf
第02章_机器学习基本概念_.pdf
第01章_概述_.pdf
页:
[1]