慕课-英华学堂

机器学习

课程类型：选修课

发布时间：2020-12-30 08:39:47

主讲教师：

课程来源：

建议学分：0.00分

课程编码：mk000480

课程介绍

课程目录

教师团队

{1}--第一章引言

s [1.1.1]--机器学习定义（10分钟）

s [1.2.1]--机器学习的分类（11分钟）

s [1.3.1]--机器学习算法的过程（13分钟）

s [1.4.1]--没有免费午餐定理（10分钟）

s [1.5.1]--总结（6分钟）

{2}--第二章支持向量机

s [2.1.1]--支持向量机（线性可分定义）（10分钟）

s [2.2.1]--支持向量机（问题描述）（8分钟）

s [2.3.1]--支持向量机（优化问题）（14分钟）

s [2.4.1]--支持向量机（线性不可分情况）（10分钟）

s [2.5.1]--支持向量机（低维到高维的映射）（7分钟）

s [2.6.1]--支持向量机（核函数的定义）（10分钟）

s [2.7.1]--支持向量机（原问题和对偶问题）（8分钟）

s [2.8.1]--支持向量机（转化为对偶问题）（9分钟）

s [2.9.1]--支持向量机（算法流程）（8分钟）

s [2.10.1]--支持向量机（兵王问题描述）（8分钟）

s [2.11.1]--支持向量机（兵王问题程序设计）（9分钟）

s [2.12.1]--支持向量机（兵王问题MATLAB程序）（16分钟）

s [2.13.1]--支持向量机（识别系统的性能度量）（16分钟）

s [2.14.1]--支持向量机（多类情况）（10分钟）

s "(2.1.1)--向量偏导的定义"

s "(2.7.1)--强对偶定理证明"

s "(2.9.1)--支持向量机的理论推导"

s "(2.9.2)--支持向量机的应用"

{3}--第三章人工神经网络

s [3.1.1]--人工神经网络（神经元的数学模型）（10分钟）

s [3.2.1]--人工神经网络（感知器算法）（19分钟）

s [3.3.1]--人工神经网络（感知器算法的意义）（11分钟）

s [3.4.1]--人工神经网络（第一次寒冬）（10分钟）

s [3.5.1]--人工神经网络（多层神经网络）（15分钟）

s [3.6.1]--人工神经网络（梯度下降算法）（15分钟）

s [3.7.1]--人工神经网络（后向传播算法上）（14分钟）

s [3.8.1]--人工神经网络（后向传播算法下）（11分钟）

s [3.9.1]--人工神经网络（后向传播算法的应用）（18分钟）

s [3.10.1]--人工神经网络（兵王问题MATLAB程序）（10分钟）

s [3.11.1]--人工神经网络（参数设置）（12分钟）

s "(3.1.1)--人工神经网络介绍"

s "(3.1.2)--本章资源介绍"

s "(3.2.1)--感知器算法证明"

s "(3.7.1)--后向传播算法推导"

s "(3.11.1)--参数设置"

{4}--第四章深度学习

s [4.1.1]--深度学习（历史发展）（12分钟）

s [4.2.1]--深度学习（自编码器）（7分钟）

s [4.3.1]--深度学习（卷积神经网络LENET）（16分钟）

s [4.4.1]--深度学习（卷积神经网络ALEXNET）（12分钟）

s [4.5.1]--深度学习的编程工具Tensorflow （10分钟）

s [4.6.1]--深度学习的编程工具CAFFE （13分钟）

s [4.7.1]--深度学习（近年来流行的卷积神经网络）（11分钟）

s [4.8.1]--目标检测与分割上（13分钟）

s [4.9.1]--目标检测与分割下（12分钟）

s [4.10.1]--时间序列的深度学习模型（RNN和LSTM）（15分钟）

s [4.11.1]--生成对抗网络（12分钟）

s "(4.10.1)--RNN和LSTM课件"

{5}--第五章强化学习

s [5.1.1]--强化学习（Q-Learning和epsilon-greedy算法（17分钟）

s [5.2.1]--强化学习（深度强化学习）（10分钟）

s [5.3.1]--强化学习(policygradient和actor-critic （11分钟）

s [5.4.1]--强化学习(AlphaGo上）（14分钟）

s [5.5.1]--强化学习(AlphaGo下）（10分钟）

s "(5.4.1)--AlphaGo介绍"

{6}--第六章传统机器学习

s [6.1.1]--主成分分析（17分钟）

s [6.2.1]--K-均值聚类（12分钟）

s [6.3.1]--高斯混合模型（13分钟）

s [6.4.1]--人工智能中的哲学（13分钟）

s "(6.1.1)--子空间算法"

s "(6.1.2)--特征选择与提升算法"

s "(6.1.3)--概率分类法"

s "(6.2.1)--基于k-means算法的图像矢量量化（课件）"

s "(6.3.1)--EM算法"

s "(6.3.2)--GMM在说话人识别中的应用"

s "(6.3.3)--语音识别介绍"

s "(6.3.4)--隐含马尔可夫过程（1）"

s "(6.3.5)--隐含马尔可夫过程（2）"