机器学习40讲
- 机器学习40讲_25_24_深度编解码表示学习
- 机器学习40讲_08_07_模型的验证方法
- 机器学习40讲_18_17_几何角度看分类支持向量机
- 机器学习40讲_19_18_从全局到局部核技巧
- 机器学习40讲_35_33_序列化建模隐马尔可夫模型
- 机器学习40讲_23_22_自适应的基函数神经网络
- 机器学习40讲_10_09_实验设计
- 机器学习40讲_20_19_非参数化的局部模型K近邻
- 机器学习40讲_40_38_完备数据下的参数学习有向图与无向图
- 机器学习40讲_39_37_随机近似推断MCMC
- 机器学习40讲_32_30_无向图模型马尔可夫随机场
- 机器学习40讲_24_23_层次化的神经网络深度学习
- 机器学习40讲_22_21_基函数扩展属性的非线性化
- 机器学习40讲_04_03_学什么与怎么学
- 机器学习40讲_16_15_从回归到分类联系函数与降维
- 机器学习40讲_33_31_建模连续分布高斯网络
- 机器学习40讲_38_36_确定近似推断变分贝叶斯
- 机器学习40讲_42_40_结构学习基于约束与基于评分
- 机器学习40讲_17_16_建模非正态分布广义线性模型
- 机器学习40讲_27_26_集成化处理Boosting与Bagging
- 机器学习40讲_13_12_正则化处理收缩方法与边际化
- 机器学习40讲_44_结课_终有一天你将为今天的付出骄傲
- 机器学习40讲_29_总结课_机器学习的模型体系
- 机器学习40讲_36_34_连续序列化模型线性动态系统
- 机器学习40讲_41_39_隐变量下的参数学习EM方法与混合模型
- 机器学习40讲_12_11_基础线性回归一元与多元
- 机器学习40讲_11_10_特征预处理
- 机器学习40讲_14_13_线性降维主成分的使用
- 机器学习40讲_06_05_模型的分类方式
- 机器学习40讲_09_08_模型的评估指标
- 机器学习40讲_02_01_频率视角下的机器学习
- 机器学习40讲_05_04_计算学习理论
- 机器学习40讲_43_总结课_贝叶斯学习的模型体系
- 机器学习40讲_28_27_万能模型梯度提升与随机森林
- 机器学习40讲_34_32_从有限到无限高斯过程
- 机器学习40讲_45_如何成为机器学习工程师
- 机器学习40讲_01_开篇词_打通修炼机器学习的任督二脉
- 机器学习40讲_07_06_模型的设计准则
- 机器学习40讲_31_29_有向图模型贝叶斯网络
- 机器学习40讲_26_25_基于特征的区域划分树模型
- 机器学习40讲_15_14_非线性降维流形学习
- 机器学习40讲_30_28_最简单的概率图朴素贝叶斯
- 机器学习40讲_03_02_贝叶斯视角下的机器学习
- 机器学习40讲_21_20_基于距离的学习聚类与度量学习
- 机器学习40讲_37_35_精确推断变量消除及其拓展