TA的每日心情 | 奋斗
2024-7-1 00:45 |
|---|
签到天数: 166 天 [LV.7]超级吧粉
|
|
某像《机器学习》升级版III 2017年1月2日开课，共26次课，每次2小时
课程名称：
《机器学习》升级版III
课程目标：
本课程特点是从数学层面推导最经典的机器学习算法，以及每种算法的示例和代码实现（Python）、如何做算法的参数调试、机器学习算法的应用场景介绍等。
开课时间是：
2017年1月2日，共26次课，每次2小时
升级版III的内容特色：
1，增加5次“机器学习的角度看数学”和2次“Python与机器学习”，提升学习深度，降低学习坡度。
2，强化矩阵运算、概率论、数理统计的知识运用，掌握机器学习根本。
3，阐述机器学习原理，提供配套源码和数据；确保“懂推导，会实现”。
4，删去过于晦涩的公式推导，代之以直观解释，增强感性理解。
5，重视项目实践(如工业实践、Kaggle等)，重视落地。
6，重视将实践问题转换成实际模型的能力，分享实际案例。
7，对比不同的特征选择带来的预测效果差异。
8，思考不同算法之间的区别和联系，提高在实际工作中选择算法的能力。
9，涉及和讲解的部分Python库有：Numpy/Scipy/matplotlib/Pandas/scikit-learn/XGBoost/libSVM/LDA/Gensim/NLTK/HMMLearn
10，每个算法模块按照“原理讲解->自己动手实现->使用已有机器学习库”的顺序，切实做到“顶天立地”。
课程大纲：
课时1：机器学习应用实验手册
第1 章 ： 第一周课件资料和视频
课时2：1.机器学习与数学分析
课时3：视频-1.机器学习与数学分析
课时4：2.概率论与贝叶斯先验
课时5：视频-2.概率论与贝叶斯先验
课时6：3.数理统计与参数估计
课时7：视频-3.数理统计与参数估计
第2 章 ： 第二周课件资料和视频
课时8：4.矩阵和线性代数
课时9：视频-4.矩阵和线性代数
课时10：5.凸优化
课时11：视频-5.凸优化
课时12：6.Python基础
课时13：视频-6.Python基础
第3 章 ： 第三周课件资料和视频
课时14：7.Python库
课时15：视频-7.Python库
课时16：8.回归与特征选择
课时17：视频-8.回归与特征选择
课时18：9.Logistic回归
课时19：视频-9.Logistic回归
第4 章 ： 第四周课件资料和视频
课时20：10.回归实践
课时21：视频-10.回归实践
课时22：11.决策树和随机森林
课时23：视频-11.决策树和随机森林
课时24：12.决策树和随机森林实践
课时25：视频-12.决策树和随机森林实践
第5 章 ： 第五周课件资料和视频
课时26：13.提升
课时27：视频-13.提升
课时28：14.XGBoost实践
课时29：视频-14.XGBoost实践
课时30：15.SVM
课时31：视频-15.SVM
第6 章 ： 第六周课件资料和视频
课时32：16.SVM实践
课时33：视频-16.SVM实践
课时34：17.聚类
课时35：视频-17.聚类
课时36：18.聚类实践
课时37：视频-18.聚类实践
第7 章 ： 第七周课件资料和视频
课时38：19.EM算法
课时39：视频-19.EM算法
课时40：20.EM算法实践
课时41：视频-20.EM算法实践
课时42：21.贝叶斯网络
课时43：视频-21.贝叶斯网络
第8 章 ： 第八周课件资料和视频
课时44：22.贝叶斯网络实践
课时45：视频-22.贝叶斯网络实践
课时46：23.主题模型
课时47：视频-23.主题模型
课时48：24.主题模型实践
课时49：视频-24.主题模型实践
第9 章 ： 第九周课件资料和视频
课时50：25.HMM
课时51：视频-25.HMM
课时52：26.HMM实践
课时53：视频-26.HMM实践
下载链接:itjc20
|
评分
-
查看全部评分总评分 : 金币 +125
|
发表于 2017-10-9 00:30:00
发表于 2017-10-27 15:30:00
