斯坦福大学机器学习课程


斯坦福大学机器学习课程


课程介绍

人工智能的发展到已经进入了一个瓶颈期。近年来各个研究方向都没有太大的突破。真正意义上人工智能的实现目前还没有任何曙光。但是,机器学习无疑是最有希望实现这个目标的方向之一。斯坦福大学的“Stanford Engineering Everywhere ”免费提供学校里最受欢迎的工科课程,给全世界的学生和教育工作者。得益于这个项目,我们有机会和全世界站在同一个数量级的知识起跑线上。

【课程目录】

[第1集] 机器学习的动机与应用         

[第2集] 监督学习应用.梯度下降         

[第3集] 欠拟合与过拟合的概念         

[第4集] 牛顿方法         

[第5集] 生成学习算法         

[第6集] 朴素贝叶斯算法         

[第7集] 最优间隔分类器问题         

[第8集] 顺序最小优化算法         

[第9集] 经验风险最小化         

[第10集] 特征选择         

[第11集] 贝叶斯统计正则化         

[第12集] K-means算法         

[第13集] 高斯混合模型         

[第14集] 主成分分析法         

[第15集] 奇异值分解         

[第16集] 马尔可夫决策过程         

[第17集] 离散与维数灾难         

[第18集] 线性二次型调节控制         

[第19集] 微分动态规划         

[第20集] 策略搜索  

立 即 下 载

相关资源

发表评论

点 击 提 交