机器学习入门

机器学习入门课程：前往报名学习

机器学习入门视频慕课课程简介：

人工智能高速发展的时代已经来临，这门课程可以带你敲开人工智能的大门，揭开机器学习的神秘面纱，改变你对人工智能的认知。你可以对热门的人工智能技术、机器学习技术、深度学习技术一窥究竟。在这门课程中，我们会一起走近它们，对这些新知识和新技术进行初步的学习。

前往报名学习

机器学习入门课程列表：

第1章 绪论

-1.1 绪论

--1.1.1绪论视频

--1.1.2绪论文档

-1.2 应用现状

--1.2.1应用现状视频

--1.2.2应用现状文档

-1.3 初识机器学习

--1.3.1 初识机器学习视频

--1.3.2 初识机器学习文档

-1.4 基本术语

--1.4.1 基本术语视频

--1.4 .2 基本术语文档

-第1章作业与讨论

--第1章 课后作业

--第1章讨论

第2章 模型评估与选择

-2.1 经验误差

--2.1.1 经验误差视频

--2.1.2 经验误差文档

-2.2 评估方法

--2.2.1 评估方法视频

--2.2.2 评估方法文档

-2.3 比较检验

--2.3.1 比较检验视频

--2.3.2 比较检验文档

-2.4 偏差方差

--2.4.1 偏差方差视频

--2.4.2 偏差方差文档

-第2章 课后作业与讨论

--第2章 课后作业

--第2章讨论

第3章 关联

-3.1 关联的概念和意义

--3.1.1 关联的概念和意义视频

--3.1.2 关联的概念和意义文档

-3.2 ALS算法

--3.2.1 ALS算法视频

--3.2.2 ALS算法文档

-3.3 FP树算法

--3.3.1 FP树算法视频

--3.3.2 FP树算法文档

-第3章 课后作业

--第3章 课后作业与讨论

--第3章讨论

第4章 聚类

-4.1 聚类的简介

--4.1.1聚类的简介视频

--4.1.2 聚类的简介文档

-4.2 相似性度量

--4.2.1 相似性度量视频

--4.2.2 相似性度量文档

-4.3 K-means算法

--4.3.1 K-means算法视频

--4.3.2 K-means算法文档

-4.4 聚类的应用

--4.4.1 聚类的应用视频

--4.4.2 聚类的应用文档

-第4章 课后作业与讨论

--第4章课后作业

--第4章讨论

第5章 线性模型

-5.1 基本形式

--5.1.1 基本形式视频

--5.1.2 基本形式文档

-5.2 回归的起源

--5.2.1 回归的起源视频

--5.2.2 回归的起源文档

-5.3 线性回归原理

--5.3.1 线性回归原理视频

--5.3.2 线性回归原理文档

-5.4 线性回归模型的应用

--5.4.1 线性回归模型的应用视频

--5.4.2 线性回归模型的应用文档

-5.5 模型小结

--5.5.1 模型小结视频

--5.5.2 模型小结文档

-第5章 课后作业与讨论

--第5章 课后作业

第6章 贝叶斯分类

-6.1 贝叶斯决策论

--6.1.1 贝叶斯决策论视频

--6.1.2 贝叶斯决策论文档

-6.2 朴素贝叶斯分类器

--6.2.1 朴素贝叶斯分类器视频

--6.2.2 朴素贝叶斯分类器文档

-6.3 朴素贝叶斯的应用

--6.3.1 朴素贝叶斯的应用视频

--6.3.2 朴素贝叶斯的应用文档

-第6章 课后作业与讨论

--第6章 课后作业

--第6章讨论

第7章 决策树和随机森林

-7.1 决策树的简介

--7.1.1 决策树的简介视频

--7.1.2 决策树的简介文档

-7.2 决策树的基本流程和划分

--7.2.1 决策树的基本流程和划分视频

--7.2.2 决策树的基本流程和划分文档

-7.3 剪枝

--7.3.1 剪枝视频

--7.3.2 剪枝文档

-7.4 随机森林简介

--7.4.1 随机森林简介视频

--7.4.2 随机森林简介文档

-第7章 课后作业

--第7章 课后作业

第8章 降维和度量学习

-8.1 降维的概念和意义

--8.1.1 降维的概念和意义视频

--8.1.2 降维的概念和意义文档

-8.2 主成分分析

--8.2.1 主成分分析视频

--8.2.2 主成分分析文档

-8.3 度量学习

--8.3.1 度量学习视频

--8.3.2 度量学习文档

-第8章 课后作业与讨论

--第8章 课后作业

--第8章讨论

第9章 感知机与神经网络

-9.1 神经元模型

--9.1.1 神经元模型视频

--9.1.2 神经元模型文档

-9.2 感知机的工作原理

--9.2.1 感知机的工作原理视频

--9.2.2 感知机的工作原理文档

-9.3 感知机的模型

--9.3.1 感知机的模型视频

--9.3.2 感知机的模型文档

-9.4 用感知机构造神经网络

--9.4.1 用感知机构造神经网络视频

--9.4.2 用感知机构造神经网络文档

-9.5 全连接

--9.5.1 全连接视频

--9.5.2 全连接文档

-9.6 前向传播过程

--9.6.1 前向传播过程视频

--9.6.2 前向传播过程文档

-9.7 反向传播过程

--9.7.1 反向传播过程视频

--9.7.2 反向传播过程文档

-9.8 搭建全神经网络

--9.8.1 搭建全神经网络视频

--9.8.2 搭建全神经网络文档

-9.9 神经网络的优化

--9.9.1 神经网络的优化视频

--9.9.2 神经网络的优化文档

-9.10 全连接神经网络的应用

--9.10.1 全连接神经网络的应用视频

--9.10.2 全连接神经网络的应用文档

-第9章 课后作业与讨论

--第9章 课后作业

--第9章讨论

第10章 卷积神经网络

-10.1 卷积神经网络的结构

--10.1.1 卷积神经网络的结构视频

--10.1.2 卷积神经网络的结构文档

-10.2 卷积计算

--10.2.1 卷积计算视频

--10.2.2 卷积计算文档

-10.3 Padding与池化

--10.3.1 Padding与池化视频

--10.3.2 Padding与池化文档

-10.4 激活函数

--10.4.1 激活函数视频

--10.4.2 激活函数文档

-10.5 卷积神经网络的参数与连接

--10.5.1 卷积神经网络的参数与连接视频

--10.5.2 卷积神经网络的参数与连接文档

-10.6 卷积神经网络中从特征到分类

--10.6.1 卷积神经网络中从特征到分类视频

--10.6.2 卷积神经网络中从特征到分类文档

-10.7 损失函数

--10.7.1 损失函数视频

--10.7.2 损失函数文档

-10.8 典型卷积神经网络与案例

--10.8.1 典型卷积神经网络与案例视频

--10.8.2 典型卷积神经网络与案例文档

-第10章 课后作业与讨论

--第10章 课后作业

--第10章讨论

期末考试

-期末考试

机器学习入门开设学校：四川大学锦城学院

也许你还感兴趣的课程: