机器学习 浙江大学
共61课时 1天3小时16分34秒秒
简介
浙江大学 机器学习课程
章节
- 课时1:教科书介绍 (6分31秒)
- 课时2:成绩安排 (17分44秒)
- 课时3:这门课程的内容概述 (17分36秒)
- 课时4:概念介绍 (10分20秒)
- 课时5:没有免费午餐定理 (20分41秒)
- 课时6:支持向量机(线性模型)问题 (20分4秒)
- 课时7:支持向量机(线性模型)数学描述 (38分28秒)
- 课时8:支持向量机(线性模型)的图像展示 (1分33秒)
- 课时9:支持向量机非线性模型优化目标函数和限制条件 (11分29秒)
- 课时10:支持向量机(非线性模型) 低维到高维映射 (28分28秒)
- 课时11:支持向量机(非线性模型)原问题和对偶问题 (30分51秒)
- 课时12:支持向量机 将支持向量机原问题转化为对偶问题 (57分33秒)
- 课时13:支持向量机 – 核函数介绍 (7分36秒)
- 课时14:支持向量机的应用 兵王问题 (10分44秒)
- 课时15:支持向量机的应用 – 兵王问题 (31分51秒)
- 课时16:支持向量机的应用 – 兵王问题 (测试结果) (4分23秒)
- 课时17:ROC曲线 (18分19秒)
- 课时18:支持向量机 – 处理多类问题 (11分58秒)
- 课时19:人工神经网络 – 神经元的数学模型 (17分27秒)
- 课时20:人工神经网络 – 感知器算法 (38分58秒)
- 课时21:人工神经网络 – 人工智能的第一次寒冬 (15分7秒)
- 课时22:人工神经网络 – 多层神经网络 (11分44秒)
- 课时23:人工神经网络—三层神经网络可以模拟任意决策面 (15分54秒)
- 课时24:人工神经网络—后向传播算法 (1小时29分55秒)
- 课时25:人工神经网络 – 参数设置 (1小时22分15秒)
- 课时26:深度学习数据库准备 (17分59秒)
- 课时27:深度学习自编码器 (23分42秒)
- 课时28:深度学习 卷积神经网络LeNet (1小时18分45秒)
- 课时29:深度学习 – 卷积神经网络(AlexNet) (39分22秒)
- 课时30:深度学习 – 编程工具(Caffe和Tensorflow) (29分32秒)
- 课时31:深度学习 – 近年来流行的网络结构 (19分5秒)
- 课时32:深度学习 – 卷积神经网络的应用 (18分40秒)
- 课时33:AlphaGo围棋规则 (16分56秒)
- 课时34:AlphaGo 围棋有必胜策略的证明 (8分58秒)
- 课时35:强化学习Q learning (1小时18分8秒)
- 课时36:强化学习policy gradience (19分23秒)
- 课时37:增强学习 AlphaGo (23分25秒)
- 课时38:特征提取 – 主成分分析(PCA) (1小时13分4秒)
- 课时39:特征选择 – 自适应提升(AdaBoost) (1小时11分15秒)
- 课时40:目标检测 (RCNN和FCN) (57分25秒)
- 课时41:概率分类法概述 (19分54秒)
- 课时42:概率密度估计 – 朴素贝叶斯分类器 (16分40秒)
- 课时43:概率密度估计 – 高斯密度函数 (31分6秒)
- 课时44:概率密度估计 – 高斯混合模型 (3分47秒)
- 课时45:EM算法(高斯混合模型和K 均值算法) (48分44秒)
- 课时46:K 均值算法在图像压缩方面的应用 (5分16秒)
- 课时47:高斯混合模型在说话人识别方面的应用 (23分49秒)
- 课时48:EM算法一般形式及其收敛性证明 (39分24秒)
- 课时49:语音识别概述 (7分27秒)
- 课时50:隐含马尔科夫过程 (1小时29分0秒)
- 课时51:大词汇量连续语音识别介绍 (35分15秒)
- 课时52:循环神经网络(RNN)和LSTM (39分41秒)
- 课时53:人工智能中的哲学 缸中之脑 (9分5秒)
- 课时54:人工智能中的哲学 意识问题 (13分4秒)
- 课时55:人工智能中的哲学 图灵测试 (4分17秒)
- 课时56:人工智能中的哲学 世界是否有规律 (5分38秒)
- 课时57:人工智能中的哲学 中文屋子假想试验 (7分3秒)
- 课时58:人工智能中的哲学 创造力和洞穴理论 (14分0秒)
- 课时59:人工智能中的哲学 生成对抗网络 (15分41秒)
- 课时60:人工智能中的哲学 道德难题 (9分37秒)
- 课时61:人工智能中的哲学未来展望 (4分58秒)
猜你喜欢
热门下载
热门帖子