欢迎来到在线教学平台
问题答疑
首页
全部课程
公开课
云课直播
新闻公告
数图资源
智汇大讲堂
更多
首页
全部课程
公开课
云课直播
新闻公告
数图资源
智汇大讲堂
扫码下载Android
扫码下载iOS
扫码打开微信小程序
教师登录
学生登录
首页
全部课程
公开课
云课直播
新闻公告
数图资源
智汇大讲堂
教师登录
学生登录
首页 - 课程列表 - 课程详情
返回
机器学习及其Python实践
课程类型:
必修课
发布时间:
2023-02-10 08:53:07
主讲教师:
阚道宏
课程来源:
清华大学
建议学分:
0.00分
课程编码:
xtzx2238
课程介绍
课程目录
教师团队
第1章 机器学习导论
1-1 测算房价的数学模型
(15分钟)
1-2 随机模型及其学习算法
(24分钟)
1-3 随机变量与数学语言
(16分钟)
1-4 更加复杂的数学模型
(24分钟)
1-5 机器学习问题
(8分钟)
第2章 回归分析
2-1 编程环境与数据集
(12分钟)
2-2(1) 数据集加载与预处理
(13分钟)
2-2(2) 数据集加载与预处理(2-2-4小节开始)
(11分钟)
2-3(1) 模型训练与评价
(17分钟)
2-3(2) 模型训练与评价(2-3-3小节开始)
(11分钟)
2-4(1) 正则化
(11分钟)
2-4(2) 正则化(2-4-3小节开始)
(12分钟)
2-5 非线性回归
(13分钟)
第3章 分类问题
3-1(1) 贝叶斯分类器
(14分钟)
3-1(2) 贝叶斯分类器(3-1-2小节)
(9分钟)
3-1(3) 贝叶斯分类器(3-1-3小节)
(14分钟)
3-2(1) 非贝叶斯分类器
(7分钟)
3-2(2) 非贝叶斯分类器(3-2-2小节)
(10分钟)
3-2(3) 非贝叶斯分类器(3-2-3小节)
(17分钟)
3-3 多分类问题与分类模型评价
(20分钟)
3-4(1) 特征降维
(15分钟)
3-4(2) 特征降维(3-4-2小节)
(14分钟)
3-4(3) 特征降维(3-4-3小节开始)
(19分钟)
第4章 统计学习理论与支持向量机
4-1(1) 统计学习理论
(26分钟)
4-1(2) 统计学习理论(4-1-3小节开始)
(18分钟)
4-2(1) 线性可分支持向量机
(18分钟)
4-2(2) 线性可分支持向量机(4-2-3小节开始)
(7分钟)
4-3(1) 非线性可分的支持向量机
(8分钟)
4-3(2) 非线性可分的支持向量机(4-3-2小节)
(6分钟)
4-4 SVM分类器及其Python实现
(6分钟)
第5章 聚类问题
5-1 聚类问题的提出
(14分钟)
5-2(1) EM算法
(11分钟)
5-2(2) EM算法(5-2-2小节开始)
(9分钟)
5-3 K均值聚类
(14分钟)
5-4 密度聚类DBSCAN
(9分钟)
5-5 向量量化
(9分钟)
第6章 概率图模型与概率推理
6-1 贝叶斯网
(16分钟)
6-2(1) MCMC算法基础
(18分钟)
6-2(2) MCMC算法基础(6-2-3小节开始)
(29分钟)
6-3(1) MCMC算法家族
(12分钟)
6-3(2) MCMC算法家族(6-3-2小节开始)
(17分钟)
6-3(3) MCMC算法家族(6-3-2小节的遗传算法开始)
(13分钟)
6-3(4) MCMC算法家族(6-3-3小节开始)
(11分钟)
6-4 隐马尔可夫模型HMM
(14分钟)
6-5 无向图模型
(20分钟)
第7章 神经网络基础
7-1(1) 神经元模型
(10分钟)
7-1(2) 神经元模型(7-1-2小节开始)
(13分钟)
7-2(1) 神经网络
(16分钟)
7-2(2) 神经网络(7-2-3小节开始)
(14分钟)
7-3(1) 反向传播算法
(18分钟)
7-3(2) 反向传播算法(7-3-3小节开始)
(16分钟)
7-4(1) TensorFlow机器学习框架
(11分钟)
7-4(2) TensorFlow机器学习框架(7-4-2小节)
(9分钟)
7-4(3) TensorFlow机器学习框架(7-4-3小节)
(7分钟)
7-5 Keras高层接口建模
(18分钟)
第8章 深度学习
8-1(1) 卷积神经网络CNN
(25分钟)
8-1(2) 卷积神经网络CNN(8-1-3小节开始)
(14分钟)
8-2(1) 循环神经网络RNN
(23分钟)
8-2(2) 循环神经网络RNN(8-2-4小节开始)
(8分钟)
8-3(1) 自编码器
(8分钟)
8-3(2) 自编码器(8-3-3小节开始)
(15分钟)
8-3(3) 自编码器(8-3-5小节开始)
(29分钟)
8-4(1) 生成对抗网络GAN
(18分钟)
8-4(2) 生成对抗网络GAN(8-4-3小节开始)
(18分钟)