第一:课程大纲
本课程讲解了机器学习必须知识点:机器学习与相关数学初步、数理统计与参数估计、矩阵分析与应用、凸优化问题、回归分析与工程应用、特征工程、工程流程与模型调优、最大熵模型与EM算法、推荐系统与应用、聚类算法与应用、决策树知识、支持向量SVM、贝叶斯算法、人工神经网络、卷积神经网络CNN、循环神经网络RNN与LSTM、Caffe&Tensor; Flow&MxNet; 简介、贝叶斯网络和HMM等。
第二:适合人群
针对机器学习感兴趣的同学,本课程适合机器学习入门到精通。
第三:课程目标
课程目标:掌握机器学习必须知识点:机器学习与相关数学初步、数理统计与参数估计、矩阵分析与应用、凸优化问题、回归分析与工程应用、特征工程、工程流程与模型调优、最大熵模型与EM算法、推荐系统与应用、聚类算法与应用、决策树知识、支持向量SVM、贝叶斯算法、人工神经网络、卷积神经网络CNN、循环神经网络RNN与LSTM、Caffe&Tensor; Flow&MxNet; 简介、贝叶斯网络和HMM等。
第四:课程时长
本课程预计80节课,课程讲解按照知识点讲解,循序渐进。知识点:机器学习与相关数学初步、数理统计与参数估计、矩阵分析与应用、凸优化问题、回归分析与工程应用、特征工程、工程流程与模型调优、最大熵模型与EM算法、推荐系统与应用、聚类算法与应用、决策树知识、支持向量SVM、贝叶斯算法、人工神经网络、卷积神经网络CNN、循环神经网络RNN与LSTM、Caffe&Tensor; Flow&MxNet; 简介、贝叶斯网络和HMM等。
第五:课程大纲
第一章:机器学习与相关数学初步
第二章:数理统计与参数估计
第三章:矩阵分析与应用
第四章:凸优化问题
第五章:回归分析与工程应用
第六章:特征工程
第七章:工程流程与模型调优
第八章:最大熵模型与EM算法
第九章:推荐系统与应用
第十章:聚类算法与应用
第十一章:决策树知识
第十二章:支持向量SVM
第十三章:贝叶斯算法
第十四章:人工神经网络
第十五章:卷积神经网络CNN
第十六章:循环神经网络RNN与LSTM
第十七章:Caffe&Tensor; Flow&MxNet;
第十八章:简介、贝叶斯网络和HMM
第十九章:汇总知识点
第二十章:训练问题讲解
课程介绍
课程目录
往期学员作品
用户评论
课程介绍
课程目录
往期学员作品
用户评论
你将获得
- 掌握某些知识点
- 学会某些技巧(或思路)
教学服务
1v1专属答疑服务
BAT专家面试辅导
讲师介绍
王而川
我是王而川,哈尔滨乐川科技有限责任公司公司CEO,企业培训负责人,天津大学软件学院的一名硕士,人工智能与数据挖掘实验室,专注研究无人驾驶领域的目标识别与跟踪。本人对机器学习,深度学习都有一定的研究。某培训学院创始人,人工智能培训讲师,专业从事机器学习与深度学习培训。
我是王而川,哈尔滨乐川科技有限责任公司公司CEO,企业培训负责人,天津大学软件学院的一名硕士,人工智能与数据挖掘实验室,专注研究无人驾驶领域的目标识别与跟踪。本人对机器学习,深度学习都有一定的研究。某培训学院创始人,人工智能培训讲师,专业从事机器学习与深度学习培训。
课程详情
温馨提示
- 请勿私下交易请勿在平台外交易。与机构和老师私下交易造成的任何损失及纠纷,腾讯课堂不承担任何责任
- 听课说明
1、电脑:访问腾讯课堂官网 ke.qq.com 查看我的课表或下载win/mac客户端听课
2、手机/平板:下载腾讯课堂APP, 进入学习页面听课