七月4月机器学习算法班

教程详情

文件下载	文件名称：七月4月机器学习算法班	文件大小：12.20GB
	下载声明：本站文件大多来自于网络，仅供学习和研究使用，不得用于商业用途，如有版权问题，请联系博猪！
	下载地址： 下载教程

教程目录：
├─(01)机器学习与相关数学初步
│ (1)机器学习与相关数学初步.avi
│ (1)机器学习初步与微积分概率论.pdf
│
├─(02)数理统计与参数估计
│ (2)数理统计与参数估计.avi
│ (2)数理统计与参数估计.pdf
│
├─(03)矩阵分析与应用
│ (3)矩阵分析与应用.avi
│ (3)矩阵分析与应用.pdf
│
├─(04)凸优化初步
│ (4)凸优化初步.avi
│ (4)凸优化初步.pdf
│
├─(05)回归分析与工程应用
│ │ (5)回归分析与工程应用.avi
│ │
│ └─课件和数据及代码
│ │ 4月班第5课课件：回归及工程应用经验.pdf
│ │ data1.txt
│ │ data2.txt
│ │ logistic_regression_example.ipynb
│ │ Untitled.ipynb
│ │
│ └─.ipynb_checkpoints
│ logistic_regression_example-checkpoint.ipynb
│ Untitled-checkpoint.ipynb
│
├─(06)特征工程
│ │ (6)特征工程.avi
│ │
│ └─课件与数据及代码
│ 4月班第6课课件：特征工程.pdf
│ feature_engineering_example.ipynb
│ kaggle_bike_competition_train.csv
│
├─(07)工作流程与模型调优
│ (7)工作流程与模型调优.avi
│ (7)工作流程与模型调优.zip
│
├─(08)最大熵模型与EM算法
│ (8)最大熵模型与EM算法.avi
│ (8)最大熵模型与EM算法.pdf
│
├─(09)推荐系统与应用
│ │ (9)推荐系统与应用.avi
│ │
│ └─(9)推荐系统与应用
│ 4月机器学习班第9课--推荐系统.pdf
│ CF&&MF recommendation system.zip
│ Reccomendation System Examples.ipynb
│
├─(10)聚类算法与应用
│ (10)聚类算法与应用.avi
│ (10)聚类算法与应用.pdf
│
├─(11)决策树随机森林和adaboost
│ │ (11)决策树随机森林adaboost.avi
│ │ (11)决策树随机森林adaboost.pdf
│ │
│ └─代码
│ │ randomforests.py
│ │ randomforests.pyc
│ │ samtrain.csv
│ │ samval.csv
│ │ 随机森林.ipynb
│ │
│ └─.ipynb_checkpoints
│ 随机森林-checkpoint.ipynb
│
├─(12)SVM
│ │ (12)SVM.avi
│ │ (12)SVM.pdf
│ │ (12)支持向量机.ipynb
│ │
│ ├─(补充材料1)SVM补充视频
│ │ 补充SVM视频下载地址.txt
│ │
│ └─(补充材料2)SVM的Python程序代码
│ sklearnExample.py
│
├─(13)贝叶斯方法
│ (13)贝叶斯方法.avi
│ (13)贝叶斯方法.pdf
│ naive_bayes-master.zip
│
├─(14)主题模型
│ (14)主题模型.avi
│ (14)主题模型.pdf
│ (补充阅读材料1)Comparing LDA with pLSI as a Dimensionality Reduction Method in Document Clustering.pdf
│ (补充阅读材料2)Investigating task performance of probabilistic topic models - an empirical study of PLSA and LDA.pdf
│ LDAClassify.zip
│
├─(15)贝叶斯推理采样与变分
│ (15)贝叶斯推理-采样与变分简介.pdf
│ (15)贝叶斯推理采样变分方法.avi
│ gibbsGauss.py
│
├─(16)人工神经网络
│ (16)人工神经网络.avi
│ (16)人工神经网络.pdf
│ Lesson_16_Neural_network_example.ipynb
│
├─(17)卷积神经网络
│ (17)卷积神经网络.avi
│ (17)卷积神经网络.pdf
│
├─(18)循环神经网络与LSTM
│ (18)循环神经网络与LSTM.pdf
│ (18)循环神经网络和LSTM.avi
│
├─(19)Caffe&Tensor Flow&MxNet 简介
│ (19)Caffe&Tensor Flow&MxNet 简介.avi
│ (19)Caffe&Tensor Flow&MxNet 简介.pdf
│
├─(20)贝叶斯网络和HMM
│ (20)贝叶斯网络和HMM.avi
│ (20)贝叶斯网络和HMM.pdf
│
└─(额外补充)词嵌入word embedding
(额外补充)词嵌入word embedding.avi
(额外补充)词嵌入原理及应用简介.pdf

教程截图

教程下载

原文链接：【教程宝盒网】 https://www.jc-box.com/5582.html，转载请注明出处。