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
相关资源