01-频率视角下的机器学习.md 12.51kb
01-频率视角下的机器学习.mp3 8.53M
01-频率视角下的机器学习.pdf 2.59M
02-贝叶斯视角下的机器学习.md 13.58kb
02-贝叶斯视角下的机器学习.mp3 8.29M
02-贝叶斯视角下的机器学习.pdf 2.66M
03-学什么与怎么学.md 10.92kb
03-学什么与怎么学.mp3 6.97M
03-学什么与怎么学.pdf 3.51M
04-计算学习理论.md 13.41kb
04-计算学习理论.mp3 8.59M
04-计算学习理论.pdf 2.70M
05-模型的分类方式.md 12.09kb
05-模型的分类方式.mp3 8.75M
05-模型的分类方式.pdf 2.43M
06-模型的设计准则.md 11.16kb
06-模型的设计准则.mp3 8.34M
06-模型的设计准则.pdf 1.94M
07-模型的验证方法.md 12.30kb
07-模型的验证方法.mp3 8.34M
07-模型的验证方法.pdf 2.49M
08-模型的评估指标.md 12.15kb
08-模型的评估指标.mp3 8.52M
08-模型的评估指标.pdf 2.08M
09-实验设计.md 8.90kb
09-实验设计.mp3 5.81M
09-实验设计.pdf 2.28M
10-特征预处理.md 10.79kb
10-特征预处理.mp3 7.91M
10-特征预处理.pdf 2.87M
11-基础线性回归：一元与多元.md 15.19kb
11-基础线性回归：一元与多元.mp3 9.51M
11-基础线性回归：一元与多元.pdf 3.26M
12-正则化处理：收缩方法与边际化.md 13.89kb
12-正则化处理：收缩方法与边际化.mp3 6.12M
12-正则化处理：收缩方法与边际化.pdf 2.92M
13-线性降维：主成分的使用.md 14.92kb
13-线性降维：主成分的使用.mp3 6.09M
13-线性降维：主成分的使用.pdf 2.70M
14-非线性降维：流形学习.md 13.67kb
14-非线性降维：流形学习.mp3 9.01M
14-非线性降维：流形学习.pdf 7.67M
15-从回归到分类：联系函数与降维.md 13.34kb
15-从回归到分类：联系函数与降维.mp3 8.79M
15-从回归到分类：联系函数与降维.pdf 4.24M
16-建模非正态分布：广义线性模型.md 12.02kb
16-建模非正态分布：广义线性模型.mp3 8.55M
16-建模非正态分布：广义线性模型.pdf 3.22M
17-几何角度看分类：支持向量机.md 12.88kb
17-几何角度看分类：支持向量机.mp3 8.27M
17-几何角度看分类：支持向量机.pdf 3.03M
18-从全局到局部：核技巧.md 14.78kb
18-从全局到局部：核技巧.mp3 7.93M
18-从全局到局部：核技巧.pdf 3.07M
19-非参数化的局部模型：K近邻.md 13.33kb
19-非参数化的局部模型：K近邻.mp3 8.80M
19-非参数化的局部模型：K近邻.pdf 2.40M
20-基于距离的学习：聚类与度量学习.md 13.09kb
20-基于距离的学习：聚类与度量学习.mp3 7.57M
20-基于距离的学习：聚类与度量学习.pdf 3.51M
21-基函数扩展：属性的非线性化.md 11.53kb
21-基函数扩展：属性的非线性化.mp3 8.20M
21-基函数扩展：属性的非线性化.pdf 2.91M
22-自适应的基函数：神经网络.md 14.39kb
22-自适应的基函数：神经网络.mp3 8.58M
22-自适应的基函数：神经网络.pdf 2.49M
23-层次化的神经网络：深度学习.md 11.31kb
23-层次化的神经网络：深度学习.mp3 6.37M
23-层次化的神经网络：深度学习.pdf 3.18M
24-深度编解码：表示学习.md 11.91kb
24-深度编解码：表示学习.mp3 7.34M
24-深度编解码：表示学习.pdf 2.75M
25-基于特征的区域划分：树模型.md 11.56kb
25-基于特征的区域划分：树模型.mp3 7.38M
25-基于特征的区域划分：树模型.pdf 2.11M
26-集成化处理：Boosting与Bagging.md 12.37kb
26-集成化处理：Boosting与Bagging.mp3 7.02M
26-集成化处理：Boosting与Bagging.pdf 3.24M
27-万能模型：梯度提升与随机森林.md 12.01kb
27-万能模型：梯度提升与随机森林.mp3 8.26M
27-万能模型：梯度提升与随机森林.pdf 2.58M
28-最简单的概率图：朴素贝叶斯.md 11.74kb
28-最简单的概率图：朴素贝叶斯.mp3 8.11M
28-最简单的概率图：朴素贝叶斯.pdf 2.53M
29-有向图模型：贝叶斯网络.md 11.81kb
29-有向图模型：贝叶斯网络.mp3 7.72M
29-有向图模型：贝叶斯网络.pdf 2.01M
30-无向图模型：马尔可夫随机场.md 12.51kb
30-无向图模型：马尔可夫随机场.mp3 7.66M
30-无向图模型：马尔可夫随机场.pdf 3.36M
31-建模连续分布：高斯网络.md 11.99kb
31-建模连续分布：高斯网络.mp3 6.76M
31-建模连续分布：高斯网络.pdf 2.51M
32-从有限到无限：高斯过程.md 11.82kb
32-从有限到无限：高斯过程.mp3 7.10M
32-从有限到无限：高斯过程.pdf 3.44M
33-序列化建模：隐马尔可夫模型.md 11.09kb
33-序列化建模：隐马尔可夫模型.mp3 7.10M
33-序列化建模：隐马尔可夫模型.pdf 1.98M
34-连续序列化模型：线性动态系统.md 13.11kb
34-连续序列化模型：线性动态系统.mp3 6.90M
34-连续序列化模型：线性动态系统.pdf 1.98M
35-精确推断：变量消除及其拓展.md 12.65kb
35-精确推断：变量消除及其拓展.mp3 6.05M
35-精确推断：变量消除及其拓展.pdf 2.41M
36-确定近似推断：变分贝叶斯.md 11.65kb
36-确定近似推断：变分贝叶斯.mp3 6.90M
36-确定近似推断：变分贝叶斯.pdf 2.66M
37-随机近似推断：MCMC.md 11.95kb
37-随机近似推断：MCMC.mp3 7.76M
37-随机近似推断：MCMC.pdf 2.99M
38-完备数据下的参数学习：有向图与无向图.md 10.10kb
38-完备数据下的参数学习：有向图与无向图.mp3 6.32M
38-完备数据下的参数学习：有向图与无向图.pdf 2.60M
39-隐变量下的参数学习：EM方法与混合模型.md 13.43kb
39-隐变量下的参数学习：EM方法与混合模型.mp3 7.42M
39-隐变量下的参数学习：EM方法与混合模型.pdf 2.92M
40-结构学习：基于约束与基于评分.md 10.37kb
40-结构学习：基于约束与基于评分.mp3 5.47M
40-结构学习：基于约束与基于评分.pdf 2.24M
结课-终有一天，你将为今天的付出骄傲.md 3.60kb
结课-终有一天，你将为今天的付出骄傲.mp3 2.38M
结课-终有一天，你将为今天的付出骄傲.pdf 1.33M
结课测试-这些机器学习知识你都掌握了吗？.md 0.45kb
结课测试-这些机器学习知识你都掌握了吗？.pdf 356.35kb
开篇词-打通修炼机器学习的任督二脉.md 4.65kb
开篇词-打通修炼机器学习的任督二脉.mp3 3.30M
开篇词-打通修炼机器学习的任督二脉.pdf 2.79M
如何成为机器学习工程师？.md 6.56kb
如何成为机器学习工程师？.mp3 15.68M
如何成为机器学习工程师？.pdf 2.58M
总结课-贝叶斯学习的模型体系.md 6.45kb
总结课-贝叶斯学习的模型体系.mp3 3.26M
总结课-贝叶斯学习的模型体系.pdf 1.42M
总结课-机器学习的模型体系.md 10.77kb
总结课-机器学习的模型体系.mp3 6.75M
└──总结课-机器学习的模型体系.pdf 1.13M