课程信息

机器学习的原理与应用。主要的范式和技术，包括判别和生成方法，强化学习：线性回归，logistic回归，支持向量机，深网，结构化方法，降维，k-均值，高斯混合，期望最大化，马尔可夫决策过程，Q-学习。应用领域，如自然语言和文本理解、语音识别、计算机视觉、数据挖掘和自适应计算机系统等。

课程目录

├── 1.机器学习课程(一)教科书介绍.mp4 14.22M

├── 2.机器学习课程(二)成绩安排.mp4 64.89M

├── 3.机器学习课程(三)概念介绍.mp4 27.27M

├── 4.机器学习课程(四)这门课程的内容概述.mp4 55.18M

├── 5.机器学习课程(五)没有免费午餐定理.mp4 150.28M

├── 6.机器学习课程(六)支持向量机(线性模型)问题.mp4 163.48M

├── 7.机器学习课程(七)支持向量机(线性模型)数学描述.mp4 303.92M

├── 8.机器学习课程-8.支持向量机(线性模型)的图像展示.mp4 6.06M

├── 9.机器学习课程-9.支持向量机(非线性模型)优化目标函数和限制条件.mp4 83.95M

├── 10.机器学习课程-10.支持向量机(非线性模型) 低维到高维映射..mp4 233.62M

├── 11.机器学习课程-11.支持向量机(非线性模型)原问题和对偶问题..mp4 257.89M

├── 12.机器学习课程-12.支持向量机-将支持向量机原问题转化为对偶问.mp4 475.43M

├── 13.机器学习课程-13.支持向量机 – 核函数介绍.mp4 73.24M

├── 14.机器学习课程-14.支持向量机的应用 -- 兵王问题(规则介绍).mp4 55.65M

├── 15.机器学习课程-15.支持向量机的应用 – 兵王问题 (参数设置).mp4 147.25M

├── 16.机器学习课程-16.支持向量机的应用 – 兵王问题 (测试结果).mp4 16.67M

├── 17.机器学习课程-17.ROC曲线.mp4 160.60M

├── 18.机器学习课程-18.支持向量机 – 处理多类问题.mp4 118.90M

├── 19.机器学习课程-19.人工神经网络 – 神经元的数学模型.mp4 74.96M

├── 20.机器学习课程-20.人工神经网络 – 感知器算法.mp4 431.96M

├── 21.机器学习课程-21.人工神经网络 – 人工智能的第一次寒冬.q.mp4 138.77M

├── 22.机器学习课程-22.人工神经网络 – 多层神经网络.mp4 130.52M

├── 23.机器学习课程-23.人工神经网络—三层神经网络可以模拟任意决策面.mp4 59.82M

├── 24.机器学习课程-24.人工神经网络—后向传播算法.mp4 994.65M

├── 25.机器学习课程-25.人工神经网络 – 参数设置.mp4 225.91M

├── 26.机器学习课程 26 深度学习数据库准备.mp4 39.77M

├── 27.机器学习课程 27 深度学习自编码器.mp4 107.13M

├── 28.机器学习课程 28 深度学习 卷积神经网络LeNet.qsv..mp4 372.84M

├── 29.机器学习课程-29.深度学习 – 卷积神经网络(AlexNet).mp4 113.74M

├── 30.机器学习课程-30.深度学习 – 编程工具(Caffe和Tensorflow).mp4 79.55M

├── 31.机器学习课程-31.深度学习 – 近年来流行的网络结构.mp4 111.38M

├── 32.机器学习课程-32.深度学习 – 卷积神经网络的应用.qsv..mp4 52.12M

├── 33.机器学习课程_33_AlphaGo围棋规则.mp4 37.74M

├── 34.机器学习课程-34.AlphaGo (围棋有必胜策略的证明)..mp4 73.94M

├── 35.机器学习课程-35.强化学习Q-learningl.mp4 329.89M

├── 36.机器学习课程-36.强化学习(policy gradience).mp4 74.95M

├── 37.机器学习课程_37__增强学习_(AlphaGo).mp4 49.60M

├── 38.机器学习课程-38.特征提取 – 主成分分析(PCA).mp4 354.95M

├── 39.机器学习课程-39.特征选择 – 自适应提升(AdaBoost).mp4 286.64M

├── 40.机器学习课程-40.目标检测 (RCNN和FCN).mp4 161.46M

├── 41.机器学习课程-41.概率分类法概述.mp4 121.14M

├── 42.机器学习课程-42.概率密度估计 – 朴素贝叶斯分类器.mp4 101.37M

├── 43.机器学习课程-43.概率密度估计 – 高斯密度函数.mp4 194.09M

├── 44.机器学习课程-44.概率密度估计 – 高斯混合模型.mp4 32.77M

├── 45.机器学习课程-45.EM算法(高斯混合模型和K-均值算法).mp4 301.54M

├── 46.机器学习课程-46.K-均值算法在图像压缩方面的应用.mp4 27.88M

├── 47.机器学习课程-47.高斯混合模型在说话人识别方面的应用.mp4 115.89M

├── 48.机器学习课程-48.EM算法(收敛性证明).mp4 248.99M

├── 49.机器学习课程 49语音识别概述.mp4 69.23M

├── 50.机器学习课程 50 隐含马尔科夫过程.mp4 839.45M

├── 51.机器学习课程 51 大词汇量连续语音识别介绍.mp4 213.39M

├── 52.机器学习课程 52循环神经网络(RNN)和LSTM.mp4 151.06M

├── 53.机器学习课程 53人工智能中的哲学 缸中之脑.mp4 62.92M

├── 54.机器学习课程 54人工智能中的哲学 意识问题.mp4 80.12M

├── 55.机器学习课程 55人工智能中的哲学 图灵测试.mp4 28.65M

├── 56.机器学习课程 56人工智能中的哲学 世界是否有规律.mp4 37.06M

├── 57.机器学习课程 57人工智能中的哲学 中文屋子假想试验.mp4 46.54M

├── 58.机器学习课程 58人工智能中的哲学 创造力和洞穴理论.mp4 85.71M

├── 59.机器学习课程-59.人工智能中的哲学-生成对抗网络.mp4 90.57M

├── 60.机器学习课程-60.人工智能中的哲学-道德难题.mp4 71.75M

└── 61.机器学习课程 61 人工智能中的哲学未来展望.mp4 36.12M