[Python] 机器学习基础班视频 高等数学、算法、微积分、概率论-20课

01 微积分与概率论基础\

02 参数估计与矩阵运算基础\3 P4 Q# m- `# G) y" W4 v# t7 I

03 凸优化基础\

04  广义线性回归和对偶优化\

05 牛顿、拟牛顿、梯度下降、随机梯度下降(SGD)\! L7 E9 [, i4 C3 ?) [* {

06 熵、最大熵模型MaxEnt、改进的迭代尺度法IIS\

07 聚类（k-means、层次聚类、谱聚类等）\8 n$ S0 u. s  V2 U; M

08 K近邻、决策树、随机森林(random decision forests)\5 o2 S2 ]2 J0 F% |

09 Adaboost\( R4 w$ _0 \3 e" e

10 朴素贝叶斯、与贝叶斯网络\2 o, A/ y; h" p5 {9 B8 z

11 支持向量机（最大间隔分类、拉格朗日乘值、对偶问题、损失函数、最优化理论、SMO）\

12 EM、混合高斯模型\* R- V1 m3 R1 L0 n8 |

12 衣服推荐系统\$ Z6 C/ G& q+ ?5 |7 ]+ ^

13 主题模型（概率潜语义分析PLSA、隐含狄利克雷分布LDA）\' X7 {2 M/ [6 O/ S9 g! ^/ f: M$ i

14.15 马尔科夫链、隐马尔可夫模型HMM、采样\

16 马尔可夫随机场(Markov Random Field)、条件随机场CRF\3 d- W8 k& J! q. M5 d' H+ T5 u

17 SVD、主成分分析PCA、因子分析、独立成分分析ICA\

18 卷积神经网络(CNN)、深度学习浅析\1 S& {$ {8 i) j" W+ s9 Y

19 变分推断方法\

20 知识图谱\