本课程特点是从数学层面推导最经典的机器学习算法,以及每种算法的示例和代码实现(Python)、如何做算法的参数调试、机器学习算法的应用场景介绍等。
1、机器学习的数学基础1 – 数学分析
2、朴素贝叶斯实践
2、数学基础2 – 数理统计与参数估计
3、数学基础3 – 矩阵和线性代数
4、数学基础4 – 凸优化
5、Python基础及其数学库的使用
6、Python基础及其机器学习库的使用
7、回归
8、回归实践
9、决策树和随机森林
10、随机森林实践
11、提升
12、XGBoost
13、SVM
14、SVM实践
15、聚类
16、聚类实践
17、EM算法
18、EM算法实践
19、贝叶斯网络
21、主题模型LDA
22、LDA实践
23、隐马尔科夫模型HMM
24、HMM实践
评论0