人工智能
机器学习40讲
帮你打通机器学习的任督二脉
Course syllabus
章节目录
网页仅提供目录预览，不展示课程正文。
课程目录DIRECTORY ONLY
Published chapters
01续写新篇：再启机器学习之旅
02解锁小样本学习的3种典型方法
03开启黑箱：可解释机器学习的构建
04多模态学习中的信息融合和对齐
05AutoML与神经架构搜索：如何让机器学习“自主优化”？
06开篇词 | 打通修炼机器学习的任督二脉
0701 | 频率视角下的机器学习
0802 | 贝叶斯视角下的机器学习
0903 | 学什么与怎么学
1004 | 计算学习理论
1105 | 模型的分类方式
1206 | 模型的设计准则
1307 | 模型的验证方法
1408 | 模型的评估指标
1509 | 实验设计
1610 | 特征预处理
1711 | 基础线性回归：一元与多元
1812 | 正则化处理：收缩方法与边际化
1913 | 线性降维：主成分的使用
2014 | 非线性降维：流形学习
2115 | 从回归到分类：联系函数与降维
2216 | 建模非正态分布：广义线性模型
2317 | 几何角度看分类：支持向量机
2418 | 从全局到局部：核技巧
2519 | 非参数化的局部模型：K近邻
2620 | 基于距离的学习：聚类与度量学习
2721 | 基函数扩展：属性的非线性化
2822 | 自适应的基函数：神经网络
2923 | 层次化的神经网络：深度学习
3024 | 深度编解码：表示学习
3125 | 基于特征的区域划分：树模型
3226 | 集成化处理：Boosting与Bagging
3327 | 万能模型：梯度提升与随机森林
34总结课 | 机器学习的模型体系
3528 | 最简单的概率图：朴素贝叶斯
3629 | 有向图模型：贝叶斯网络
3730 | 无向图模型：马尔可夫随机场
3831 | 建模连续分布：高斯网络
3932 | 从有限到无限：高斯过程
4033 | 序列化建模：隐马尔可夫模型
4134 | 连续序列化模型：线性动态系统
4235 | 精确推断：变量消除及其拓展
4336 | 确定近似推断：变分贝叶斯
4437 | 随机近似推断：MCMC
4538 | 完备数据下的参数学习：有向图与无向图
4639 | 隐变量下的参数学习：EM方法与混合模型
4740 | 结构学习：基于约束与基于评分
48总结课 | 贝叶斯学习的模型体系
49结课 | 终有一天，你将为今天的付出骄傲
50如何成为机器学习工程师？