課程介紹
課程來(lái)自于 極客時(shí)間專(zhuān)欄課-王天一-機(jī)器學(xué)習(xí)40講（完結(jié)）
你將獲得
機(jī)器學(xué)習(xí)的必備核心理論
30 個(gè)最流行的機(jī)器學(xué)習(xí)模型
基于 Python 語(yǔ)言的實(shí)例練習(xí)
完整的機(jī)器學(xué)習(xí)知識(shí)體系
“機(jī)器學(xué)習(xí) 40 講”終于和你見(jiàn)面了！
2017 年 12 月，王天一老師在極客時(shí)間開(kāi)設(shè)了“人工智能基礎(chǔ)課”專(zhuān)欄，帶你進(jìn)入人工智能的大門(mén)，介紹了人工智能所需要的基礎(chǔ)數(shù)學(xué)、當(dāng)前流行的深度學(xué)習(xí)技術(shù)、以及其他可能突破的技術(shù)路徑等方方面面的內(nèi)容。
人工智能基礎(chǔ)課的第 2 季聚焦于機(jī)器學(xué)習(xí)。在新技術(shù)層出不窮的今日，機(jī)器學(xué)習(xí)依然占據(jù)著人工智能的核心地位，也是人工智能中發(fā)展最快的分支之一。
那么，怎樣入門(mén)機(jī)器學(xué)習(xí)？又有哪些學(xué)習(xí)路徑呢？無(wú)論機(jī)器學(xué)習(xí)領(lǐng)域充斥著多少花哨的技術(shù)，歸根結(jié)底，都是基本模型與基本方法的結(jié)合，而理解這些基本模型和基本方法就是掌握機(jī)器學(xué)習(xí)的要義所在。那么，問(wèn)題來(lái)了，這么多模型到底要怎么學(xué)習(xí)呢？其實(shí)，這里面最關(guān)鍵的，是要梳理出機(jī)器學(xué)習(xí)的主線(xiàn)，把握不同模型之間的內(nèi)在關(guān)聯(lián)，能夠融會(huì)貫通、系統(tǒng)地理解機(jī)器學(xué)習(xí)。
在本專(zhuān)欄中，王天一老師會(huì)從機(jī)器學(xué)習(xí)中的共性問(wèn)題講起，從統(tǒng)計(jì)機(jī)器學(xué)習(xí)和概率圖模型兩個(gè)角度，詳細(xì)解讀 30 個(gè)最流行的機(jī)器學(xué)習(xí)模型。除了理論之外，在每個(gè)模型的介紹中還會(huì)穿插一些基于 Python 語(yǔ)言的簡(jiǎn)單實(shí)例，幫你加強(qiáng)對(duì)于模型的理解。
專(zhuān)欄共 3 大模塊
機(jī)器學(xué)習(xí)概觀(guān)。這一模塊將從頻率學(xué)派與貝葉斯學(xué)派這兩個(gè)視角來(lái)看機(jī)器學(xué)習(xí)，并討論超脫于模型和方法之外的一些共性問(wèn)題，包括模型的分類(lèi)方式、設(shè)計(jì)準(zhǔn)則、評(píng)估指標(biāo)等。
統(tǒng)計(jì)機(jī)器學(xué)習(xí)模型。這一模塊將以線(xiàn)性模型為主線(xiàn)，討論模型的多種擴(kuò)展和修正，如正則化、線(xiàn)性降維、核方法、基函數(shù)變化、隨機(jī)森林等，探究從簡(jiǎn)單線(xiàn)性回歸到復(fù)雜深度網(wǎng)絡(luò)的發(fā)展歷程。
概率圖模型。這一模塊將以高斯分布為起點(diǎn)，將高斯分布應(yīng)用到從簡(jiǎn)單到復(fù)雜的圖模型中，由此認(rèn)識(shí)不同的模型特性與不同的計(jì)算技巧，如樸素貝葉斯、高斯混合模型、馬爾科夫隨機(jī)場(chǎng)等。
文件目錄
01-開(kāi)篇詞 (1講)
00丨開(kāi)篇詞丨打通修煉機(jī)器學(xué)習(xí)的任督二脈.html
00丨開(kāi)篇詞丨打通修煉機(jī)器學(xué)習(xí)的任督二脈.mp3
00丨開(kāi)篇詞丨打通修煉機(jī)器學(xué)習(xí)的任督二脈.pdf
02-機(jī)器學(xué)習(xí)概觀(guān) (10講)
03-統(tǒng)計(jì)機(jī)器學(xué)習(xí)模型 (18講)
總結(jié)課丨機(jī)器學(xué)習(xí)的模型體系.pdf
總結(jié)課丨機(jī)器學(xué)習(xí)的模型體系.html
總結(jié)課丨機(jī)器學(xué)習(xí)的模型體系.mp3
11丨基礎(chǔ)線(xiàn)性回歸：一元與多元.mp3
11丨基礎(chǔ)線(xiàn)性回歸：一元與多元.html
11丨基礎(chǔ)線(xiàn)性回歸：一元與多元.pdf
12丨正則化處理：收縮方法與邊際化.pdf
12丨正則化處理：收縮方法與邊際化.mp3
12丨正則化處理：收縮方法與邊際化.html
13丨線(xiàn)性降維：主成分的使用.pdf
13丨線(xiàn)性降維：主成分的使用.html
13丨線(xiàn)性降維：主成分的使用.mp3
14丨非線(xiàn)性降維：流形學(xué)習(xí).mp3
14丨非線(xiàn)性降維：流形學(xué)習(xí).html
14丨非線(xiàn)性降維：流形學(xué)習(xí).pdf
15丨從回歸到分類(lèi)：聯(lián)系函數(shù)與降維.mp3
15丨從回歸到分類(lèi)：聯(lián)系函數(shù)與降維.pdf
15丨從回歸到分類(lèi)：聯(lián)系函數(shù)與降維.html
16丨建模非正態(tài)分布：廣義線(xiàn)性模型.pdf
16丨建模非正態(tài)分布：廣義線(xiàn)性模型.mp3
16丨建模非正態(tài)分布：廣義線(xiàn)性模型.html
17丨幾何角度看分類(lèi)：支持向量機(jī).html
17丨幾何角度看分類(lèi)：支持向量機(jī).pdf
17丨幾何角度看分類(lèi)：支持向量機(jī).mp3
18丨從全局到局部：核技巧.mp3
18丨從全局到局部：核技巧.pdf
18丨從全局到局部：核技巧.html
19丨非參數(shù)化的局部模型：K近鄰.html
19丨非參數(shù)化的局部模型：K近鄰.pdf
19丨非參數(shù)化的局部模型：K近鄰.mp3
20丨基于距離的學(xué)習(xí)：聚類(lèi)與度量學(xué)習(xí).mp3
20丨基于距離的學(xué)習(xí)：聚類(lèi)與度量學(xué)習(xí).html
20丨基于距離的學(xué)習(xí)：聚類(lèi)與度量學(xué)習(xí).pdf
21丨基函數(shù)擴(kuò)展：屬性的非線(xiàn)性化.html
21丨基函數(shù)擴(kuò)展：屬性的非線(xiàn)性化.pdf
21丨基函數(shù)擴(kuò)展：屬性的非線(xiàn)性化.mp3
22丨自適應(yīng)的基函數(shù)：神經(jīng)網(wǎng)絡(luò).mp3
22丨自適應(yīng)的基函數(shù)：神經(jīng)網(wǎng)絡(luò).pdf
22丨自適應(yīng)的基函數(shù)：神經(jīng)網(wǎng)絡(luò).html
23丨層次化的神經(jīng)網(wǎng)絡(luò)：深度學(xué)習(xí).mp3
23丨層次化的神經(jīng)網(wǎng)絡(luò)：深度學(xué)習(xí).pdf
23丨層次化的神經(jīng)網(wǎng)絡(luò)：深度學(xué)習(xí).html
24丨深度編解碼：表示學(xué)習(xí).mp3
24丨深度編解碼：表示學(xué)習(xí).pdf
24丨深度編解碼：表示學(xué)習(xí).html
25丨基于特征的區(qū)域劃分：樹(shù)模型.pdf
25丨基于特征的區(qū)域劃分：樹(shù)模型.html
25丨基于特征的區(qū)域劃分：樹(shù)模型.mp3
26丨集成化處理：Boosting與Bagging.html
26丨集成化處理：Boosting與Bagging.pdf
26丨集成化處理：Boosting與Bagging.mp3
27丨萬(wàn)能模型：梯度提升與隨機(jī)森林.mp3
27丨萬(wàn)能模型：梯度提升與隨機(jī)森林.pdf
27丨萬(wàn)能模型：梯度提升與隨機(jī)森林.html
04-概率圖模型 (14講)
05-結(jié)束語(yǔ) (1講)
結(jié)課丨終有一天，你將為今天的付出驕傲.pdf
結(jié)課丨終有一天，你將為今天的付出驕傲.mp3
結(jié)課丨終有一天，你將為今天的付出驕傲.html
