大数据机器学习培训（完结）-阿里云盘资源下载-桔子搜

大数据机器学习培训（完结），资源，免费下载。 ├── 00讲义 ├── 第01章概述 ├── 第02章机器学习基本概念 ├── 第03章模型性能评估 ├── 第04章感知机 ├── 第05章聚类 ├── 第06章贝叶斯分类器及图模型 ├── 第07章决策树和随机森林 ├── 第08章逻辑斯谛回归与最大熵模型 ├── 第09章 SVM ├── 第10章核方法与非线性SVM ├── 第11章降维与度量学习 ├── 第12章提升方法 ├── 第13章 EM算法及混合高斯模型 ├── 第14章计算学习理论 ├── 第15章隐马尔可夫模型 ├── 第16章条件随机场 ├── 第17章概率图模型的学习与推断 ├── 第18章神经网络和深度学习 ├── 第19章深度学习正则化方法 ├── 第20章深度学习优化方法

📢 以下资源由阿里云盘用户[你***[150***489]]于2024-09-27分享（文件数量过多时只展示部分文件）

大数据机器学习培训（完结）5.9GB

第20章深度学习优化方法535.94MB

4.相关策略.mp4185.91MB

3.神经网络的优化算法.mp494.39MB

2.神经网络优化的挑战.mp4113.95MB

1.深度学习的优化问题.mp4141.7MB

第19章深度学习正则化方法514.37MB

4.深度学习的正则化方法（二）.mp4215.25MB

3.深度学习的正则化方法（一）.mp4191.18MB

2. 计算图形式的反向传播算法.mp453.32MB

1. 深度学习简介和架构设计.mp454.62MB

第18章神经网络和深度学习459.98MB

5.深度学习.mp446.16MB

4.玻尔兹曼机.mp448.64MB

3.神经网络的基本概念以及常见的神经网络(二）.mp4169.3MB

2.神经网络的基本概念以及常见的神经网络(一）.mp4130.23MB

1.神经网络的发展历程.mp465.66MB

第17章概率图模型的学习与推断236.17MB

开头.mp417.14MB

2.近似推断法：MCMC和变分推断.mp4137.43MB

1.精确推断法：变量消去法和信念传播法.mp481.6MB

第16章条件随机场383.73MB

开头.mp456.14MB

5.条件随机场的预测算法.mp446.99MB

4.条件随机场的学习算法.mp453.62MB

3.条件随机场的计算问题.mp430.47MB

2.条件随机场的定义与形式.mp4133.57MB

1.概率无向图模型.mp462.94MB

第15章隐马尔可夫模型388.42MB

开头(5).mp49.23MB

4预测算法.mp496.47MB

3. 学习算法.mp480.24MB

2. 概率计算算法.mp4113.26MB

1. 隐马尔科夫模型的基本概念.mp489.21MB

第14章计算学习理论0B

第13章 EM算法及混合高斯模型301.16MB

开头(3).mp411.72MB

5. EM算法的推广.mp443.72MB

4. EM算法在高斯混合模型学习中的应用.mp457.57MB

3. EM算法的收敛性.mp431.59MB

2. EM算法的引入.mp4139.4MB

1. 问题提出.mp417.16MB

第12章提升方法320.59MB

4. Adaboost的实现.mp487.44MB

3. Adaboost算法的解释.mp434.75MB

2. Adaboost算法的训练误差分析.mp435.59MB

1. 提升方法Adaboost算法.mp4162.81MB

第11章降维与度量学习398.27MB

开头(2).mp415.57MB

5. 流型学习和度量学习.mp4144.95MB

4. 核化线性降维.mp440.83MB

3. 主成分分析.mp467.55MB

2. 降维嵌入.mp498.01MB

1. k近邻学习.mp431.37MB

第10章核方法与非线性SVM307.37MB

开头.mp428.53MB

3. 序列最小最优化算法.mp496.34MB

2. 核函数和非线性支持向量机.mp476MB

1.泛函基础知识.mp4106.5MB

第09章 SVM305.54MB

6.线性支持向量机.mp459.23MB

5.支持向量的确切定义.mp426.2MB

4. 凸优化问题的基本概念.mp4115.74MB

3.线性可分支持向量机.mp447.72MB

2.SVM简介.mp450.58MB

1.开头.mp46.07MB

第08章逻辑斯谛回归与最大熵模型318.42MB

3.模型学习的最优化方法.mp4143.47MB

2.最大熵模型.mp4128.1MB

1.逻辑斯谛回归模型.mp446.85MB

第07章决策树和随机森林464.03MB

开头.mp43.79MB

6.随机森林.mp440.07MB

5.CART算法.mp471.08MB

4.决策树的减枝.mp436.83MB

3.决策树的生成.mp4107.28MB

2.信息量和熵.mp482.77MB

1.决策树模型与学习基本概念.mp4122.2MB

第06章贝叶斯分类器及图模型374.87MB

7.吉布斯采样.mp426.01MB

6.贝叶斯网络结构学习推断.mp47.25MB

5.半朴素贝叶斯分类器.mp4176.12MB

4.朴素贝叶斯分类器.mp439.43MB

3.贝叶斯网络.mp496.45MB

2.概率图模型.mp425.2MB

1.综述.mp44.41MB

第05章聚类0B

第04章感知机0B

第03章模型性能评估252.16MB

9.T检验.mp415.67MB

8.假设检验.mp441.58MB

7.代价敏感错误率.mp422.14MB

6.ROC和AUC曲线.mp411.38MB

5.PR曲线.mp433.95MB

4.性能度量.mp449.97MB

3.自助法.mp416.26MB

2.交叉验证法.mp44.3MB

10.偏差和方差.mp431.36MB

1.留出法.mp425.55MB

第02章机器学习基本概念218.59MB

9.泛化能力.mp411.68MB

8.过拟合与模型选择.mp449.12MB

7.训练误差和测试误差.mp46.56MB

6.没有免费的午餐定理.mp429.09MB

5.奥卡姆剃刀定理.mp47.61MB

4.学习方法三要素.mp428.11MB

3.假设空间.mp415.69MB

2.监督学习.mp414.05MB

1机器学习的基本术语.mp443.28MB

10.生成模型和判别模型.mp413.41MB

第01章概述222.18MB

7.大数据机器学习的主要特点.mp472.21MB

6.机器学习的发展历程.mp425.34MB

5.机器学习和统计学习的关系.mp49.06MB

4.机器学习和数据挖掘的关系.mp411.25MB

3.深度学习方法和其它人工智能方法的共性和差异.mp413.16MB

2.机器学习和人工智能的关系.mp412.65MB

1.机器学习定义和典型应用.mp478.52MB

00讲义36.76MB

第20讲__深度学习优化方法【樱花论坛】.pdf2.28MB

第19讲__深度学习正则化方法【樱花论坛】.pdf3.23MB

第18讲__神经网络和深度学习【樱花论坛】.pdf1.82MB

第17讲__概率图模型的学习与推断【樱花论坛】.pdf1.46MB

第16讲_条件随机场【樱花论坛】.pdf1.84MB

第15讲_隐马尔可夫模型【樱花论坛】.pdf1.27MB

第14讲_计算学习理论【樱花论坛】.pdf2.41MB

第13讲_EM算法及混合高斯模型【樱花论坛】.pdf1.59MB

第12讲_提升方法【樱花论坛】.pdf1.45MB

第11讲_降维与度量学习【樱花论坛】.pdf2.78MB

第10章_核方法与非线性SVM.pdf2.07MB

第09章_SVM.pdf959.04KB

第08章__逻辑斯谛回归与最大熵模型.pdf1.27MB

第07章_决策树和随机森林.pdf1.35MB

第06章_贝叶斯分类器及图模型.pdf1.23MB

第05章_聚类.pdf2.11MB

第04章_感知机.pdf873.23KB

第03章_模型性能评估.pdf2.14MB

第02章_机器学习基本概念.pdf1.53MB

第01章_概述.pdf3.12MB

网站声明：
1. 该网盘资源的安全性和完整性需要您自行判断，点击下载地址直接跳转到网盘官方页面。本站链接通过程序自动收集互联网公开分享链接，本站不储存、复制、传播任何网盘文件，也不提供下载服务。
2. 本站遵守相关法律法规，坚决杜绝一切违规不良信息，如您发现任何涉嫌违规的网盘信息，请立即向网盘官方网站举报，并及时反馈给我们进行屏蔽删除。
3. 本站高度重视知识产权保护和个人隐私保护，如有网盘链接侵犯您的合法权益，请立即向网盘官方网站举报，并参见本站《版权说明》提供书面材料联系我们屏蔽删改。

{{userData.name}}已认证

大数据机器学习培训（完结）