机器学习课程 – 白板推导系列

机器学习课程 - 白板推导系列 IT教程 第1张

/机器学习课程 - 白板推导系列
├──机器学习-白板推导系列(1)-开篇
│ ├──开篇(1)-频率派VS贝叶斯派.rar
│ └──开篇(2)-学习资料介绍.rar
├──机器学习-白板推导系列(10)-EM算法
│ ├──EM算法(1)-EM算法公式以及算法收敛性证明.flv
│ ├──EM算法(2)-EM算法公式导出之ELBO-KL Diver.flv
│ ├──EM算法(3)-EM算法公式导出之ELBO-Jensen I.flv
│ ├──EM算法(4)-EM算法再回首.flv
│ ├──EM算法(5)-广义EM.flv
│ └──EM算法(6)-EM变种.flv
├──机器学习-白板推导系列(11)-高斯混合模型GMM
│ ├──高斯混合模型(1)-模型介绍.flv
│ ├──高斯混合模型(2)-极大似然.flv
│ ├──高斯混合模型(3)-EM求解-E-Ste.flv
│ └──高斯混合模型(4)-EM求解-M-Ste.flv
├──机器学习-白板推导系列(12)-变分推断
│ ├──变分推断1(背景介绍).flv
│ ├──变分推断2(公式推导).flv
│ ├──变分推断3(再回首).flv
│ ├──变分推断4(随机梯度变分推断-SGVI-1).flv
│ └──变分推断5(随机梯度变分推断-SGVI-2).flv
├──机器学习-白板推导系列(13)-MCMC
│ ├──蒙特卡洛方法1.flv
│ ├──蒙特卡洛方法2.flv
│ ├──蒙特卡洛方法3.flv
│ ├──蒙特卡洛方法4.flv
│ ├──蒙特卡洛方法5-吉布斯采样.flv
│ ├──蒙特卡洛方法6.flv
│ ├──蒙特卡洛方法7.flv
│ └──蒙特卡洛方法8.flv
├──机器学习-白板推导系列(14)-隐马尔可夫模型
│ ├──隐马尔可夫模型HMM(1)-背景介绍.flv
│ ├──隐马尔可夫模型HMM(2)-背景介绍.flv
│ ├──隐马尔可夫模型HMM(3)-前向算法.flv
│ ├──隐马尔可夫模型HMM(4)-后向算法.flv
│ ├──隐马尔可夫模型HMM(5)-Baum Welch算法.flv
│ ├──隐马尔可夫模型HMM(6)-维特比算法.flv
│ ├──隐马尔可夫模型HMM(7)-小结.flv
│ └──隐马尔可夫模型HMM(8)-小结.flv
├──机器学习-白板推导系列(15)-线性动态系统-卡曼滤波
│ ├──线性动态系统1-KalmanFilter.flv
│ ├──线性动态系统2-Filtering问题.flv
│ └──线性动态系统3-Filtering问题求解.flv
├──机器学习-白板推导系列(16)-粒子滤波
│ ├──粒子滤波1-背景介绍.flv
│ ├──粒子滤波2-重要性采样.flv
│ ├──粒子滤波3-重采样.flv
│ └──粒子滤波4-SIR Filter.flv
├──机器学习-白板推导系列(17)-条件随机场CRF
│ ├──条件随机场(1)-背景介绍.flv
│ ├──条件随机场(2)-HMM VS MEM.flv
│ ├──条件随机场(3)-MEMM VS CR.flv
│ ├──条件随机场(4)-CRF模型-概率密度.flv
│ ├──条件随机场(5)-CRF模型-概率密度.flv
│ ├──条件随机场(6)-CRF模型-要解决的.flv
│ ├──条件随机场(7)-CRF模型-Infe.flv
│ └──条件随机场(8)-CRF模型-Lear.flv
├──机器学习-白板推导系列(18)-高斯网络
│ ├──高斯网络(1)-总体介绍.flv
│ ├──高斯网络(2)-高斯贝叶斯网络.flv
│ └──高斯网络(3)-高斯马尔科夫随机场.flv
├──机器学习-白板推导系列(19)-贝叶斯线性回归
│ ├──贝叶斯线性回归(1)-背景介绍.flv
│ ├──贝叶斯线性回归(2)-推导介绍.flv
│ ├──贝叶斯线性回归(3)-推导介绍.flv
│ ├──贝叶斯线性回归(4)-推导预测.flv
│ └──贝叶斯线性回归(5)-小结.flv
├──机器学习-白板推导系列(2)-数学基础
│ ├──数学基础(1)-高斯分布-极大似然估计.rar
│ ├──数学基础(2)-高斯分布-极大似然估计(无偏估计VS有偏估计)).rar
│ ├──数学基础(3)-高斯分布-从概率密度函数角度观察.rar
│ ├──数学基础(4)-高斯分布-局限性.rar
│ ├──数学基础(5)-高斯分布-已知联合概率求边缘概率及条件概率.rar
│ ├──数学基础(6)-高斯分布-已知边缘和条件概率求联合概率分布.rar
│ └──数学基础(7)-不等式-杰森不等式.rar
├──机器学习-白板推导系列(20)-高斯过程GP
│ ├──高斯过程GP(1)-简单介绍.flv
│ ├──高斯过程GP(2)-权重空间角度.flv
│ ├──高斯过程GP(3)-权重空间到函数空间.flv
│ └──高斯过程GP(4)-函数空间的角度.flv
├──机器学习-白板推导系列(21)-受限玻尔兹曼机RBM
│ ├──受限玻尔兹曼机RBM(1)-背景介绍.flv
│ ├──受限玻尔兹曼机RBM(2)-背景介绍.flv
│ ├──受限玻尔兹曼机RBM(3)-模型表示.flv
│ ├──受限玻尔兹曼机RBM(4)-模型表示.flv
│ ├──受限玻尔兹曼机RBM(5)-模型推断.flv
│ └──受限玻尔兹曼机RBM(6)-模型推断.flv
├──机器学习-白板推导系列(22)-谱聚类
│ ├──谱聚类(1)-背景介绍.flv
│ ├──谱聚类(2)-模型介绍.flv
│ ├──谱聚类(3)-模型的矩阵形式.flv
│ ├──谱聚类(4)-模型的矩阵形式.flv
│ └──谱聚类(5)-模型的矩阵形式.flv
├──机器学习-白板推导系列(23)-前馈神经网络
│ ├──前馈神经网络(1)-从机器学习到深度学习.flv
│ ├──前馈神经网络(2)-从感知机到深度学习.flv
│ └──前馈神经网络(3)-非线性问题的三种解决方法.flv
├──机器学习-白板推导系列(3)-线性回归
│ ├──线性回归1(最小二乘法及其几何意义)).rar
│ ├──线性回归2(最小二乘法-概率视角-高斯噪声-MLE)).rar
│ ├──线性回归3(正则化-岭回归)).rar
│ └──线性回归4(正则化-岭回归-概率角度-高斯噪声高斯先验-MAP).rar
├──机器学习-白板推导系列(4)-线性分类
│ ├──线性分类1-背景.flv
│ ├──线性分类2-感知机(Perceptron).flv
│ ├──线性分类3-线性判别分析(Fisher判别分析)-模型.flv
│ ├──线性分类4-线性判别分析(Fisher判别分析)-模型.flv
│ ├──线性分类5-逻辑回归.flv
│ ├──线性分类6-高斯判别分析.flv
│ ├──线性分类7-高斯判别分析.flv
│ ├──线性分类8-高斯判别分析.flv
│ └──线性分类9-朴素贝叶斯分类器.flv
├──机器学习-白板推导系列(5)-降维
│ ├──降维1-背景介绍.flv
│ ├──降维2-样本均值&样本方差的矩阵表示.flv
│ ├──降维3-主成分分析(PCA)-最大投影方差角度.flv
│ ├──降维4-主成分分析(PCA)-最小重构代价角度.flv
│ ├──降维5-主成分分析(PCA)-SVD角度.flv
│ └──降维6-主成分分析(PCA)-概率角度.flv
├──机器学习-白板推导系列(6)-支持向量机SVM
│ ├──支持向量机1-硬间隔SVM-模型定义.flv
│ ├──支持向量机2-硬间隔SVM-模型求解.flv
│ ├──支持向量机3-硬间隔SVM-模型求解.flv
│ ├──支持向量机4-软间隔SVM-模型定义.flv
│ ├──支持向量机5-约束优化问题-弱对偶性证明.flv
│ ├──支持向量机6-约束优化问题-对偶关系的几何解.flv
│ ├──支持向量机7-约束优化问题-对偶关系之sla.flv
│ ├──支持向量机8-约束优化问题-对偶关系之KKT.flv
│ └──支持向量机9-备份.flv
├──机器学习-白板推导系列(7)-核方法
│ ├──核方法(1)-背景介绍.flv
│ ├──核方法(2)-正定核的两个定义.flv
│ ├──核方法(3)-正定核充要条件-必要性证明.flv
│ └──核方法(4)-备份.flv
├──机器学习-白板推导系列(8)-指数族分布
│ ├──指数族分布1-背景.flv
│ ├──指数族分布2-背景.flv
│ ├──指数族分布3-高斯分布的指数族形式.flv
│ ├──指数族分布4-对数配分函数与充分统.flv
│ ├──指数族分布5-极大似然估计与充分统.flv
│ ├──指数族分布6-最大熵角度.flv
│ └──指数族分布7-最大熵角度.flv
└──机器学习-白板推导系列(9)-概率图模型基础
├──概率图模型1-背景介绍.flv
├──概率图模型10-推断.flv
├──概率图模型11-推断.flv
├──概率图模型12-推断.flv
├──概率图模型13-推断.flv
├──概率图模型14-概念补充-道德图.flv
├──概率图模型15-概念补充-因子图.flv
├──概率图模型2-贝叶斯网络-Representation-条件独立性.flv
├──概率图模型3(补充解释)-贝叶斯网络-Representation-条件独立性).flv
├──概率图模型4-贝叶斯网络.flv
├──概率图模型5-贝叶斯网络.flv
├──概率图模型6-马尔可夫随机场.flv
├──概率图模型7-马尔可夫随机场.flv
├──概率图模型8-推断Inference.flv
└──概率图模型9-推断.flv

机器学习课程 - 白板推导系列 IT教程 第2张

相关下载

点击下载

参与评论