0
点赞
收藏
分享

微信扫一扫

《机器学习导论》和《统计机器学习》学习资料:张志华教授

   张志华教授的两门机器学习公开课是很好的机器学习资源。但在上海交大的公开课视频网站上挂出的教学视频顺序有点乱。对于初学者来说,如果没看对顺序的话,会觉得讲得很乱,从而错过这么优质的资源。事实上板书很完整,有电子版讲义可下载。只是讲义上有个别地方有点笔误,但不影响理解。能用黑板直接推导的老师的逻辑和思路都是很清晰的!

《机器学习导论》:​http://ocw.sjtu.edu.cn/G2S/OCW/cn/CourseDetails.htm?Id=397​​

课程讲义:​http://share.weiyun.com/9b56eb04645174798ff938cdb22144bf​​

01. 基本概念

02. 随机向量

03. 随机向量的性质

04. 条件期望

05. 多元高斯分布

06. 分布的性质

07. 多元高斯分布及其运用

08. 多项式分布

09. 渐进性质

10. 核定义

11. 正定核性质

12. 正定核应用

13. 主元分析

14. 主坐标分析

15.  核主元分析

16. 概率PCA

17. 最大似然估计方法

18. 期望最大算法

19. EM算法的收敛性

20. MDS方法

21. MDS中加点方法

22. T矩阵范式

23. 次导数

24. 矩阵次导数

25. Matrix_Completion

26. K_means algorithm

27. spectral clustering

28. 谱聚类1

29. 谱聚类2

30. Fisher判别分析

31. Fisher Discriminant Analysis

32. computational Methods1

33. computational Methods2

34. Kernel FDA

35. Linear classification1

36. Linear classification2

37. Naive Bayes 方法

38. Support Vector Machinese1

39. Support Vector Machinese2

40. SVM

41. Boosting1

42. Boosting2

《统计机器学习》:http://ocw.sjtu.edu.cn/G2S/OCW/cn/CourseDetails.htm?Id=398

课程讲义:(周大神的个人网页http://bcmi.sjtu.edu.cn/log/courses/ml_2014_spring_acm.html 暂时无法打开,之前下载的打印后就删了,只能等过几天再补了)

01. 概率基础

02. 随机变量1

03. 随机变量2

04. 高斯分布

05. 连续分布

06. 例子

07. scale mixture pisribarin

08. jeffrey prior

09. statistic interence

10. Laplace 变换

11. 多元分布定义

12. 概率变换

13. jacobian

14. wedge production

15. 统计量

16. 多元正态分布

17. Wishart 分布

18. 矩阵元Beta分布

19. 统计量 充分统计量

20. 指数值分布

21. 共轭先验性质

22. Entropy

23. KL distance

24. properties

25. 概率不等式1

26. 概率不等式2

27. 概率不等式1

28. 概率不等式2

29. 概率不等式3

30. 概率不等式

31. 随机投影

32. John引理

33. Stochastic Convergence-概念

34. Stochastic Convergence-性质

35. Stochastic Convergence-应用

36. EM算法1

37. EM算法

38. EM算法3

39. Markov Chain Monte carlo1

40. Markov Chain Monte carlo2

41. Bayesian Classification

————————————————


举报

相关推荐

0 条评论