资源详情
算法的进步超乎我们详细,几乎可以说是日日新,机器学习固然有些枯燥乏味, 但不妨换个角度和方法,阶段忄生的分解学习,长期坚持,这样其实就是降低了学习难度,又不会太艰涩难懂。 全新的机器学习课程,新增了近期最新的流形学习、强化学习、概念学习、无监督学习、统计学习等一线技术,完全掌握有一定挑战 ===============课程目录 ├─01.机器学习中的数学基础.mp4 ├─02.机器学习的数学基础.mp4 ├─03.机器学习中的哲学.mp4 ├─04.机器学习中的数学基础.mp4 ├─05.经典机器学习模型.mp4 ├─06.经典机器学习模型.mp4 ├─07.经典机器学习模型.mp4 ├─08.线忄生模型.mp4 ├─09.线忄生模型.mp4 ├─10.核方法.mp4 ├─11.核方法.mp4 ├─12.统计学习.mp4 ├─13.统计学习.mp4 ├─14.统计学习.mp4 ├─15.统计学习.mp4 ├─16.无监督学习.mp4 ├─17.流形学习.mp4 ├─18.概念学习.mp4 ├─19.神经网络.mp4 ├─20.强化学习.mp4 (1) 资料;目录中文件数:32个 ├─10、核方法.pdf ├─11、核方法.pdf ├─12、统计学习.pdf ├─16、无监督学习.pdf ├─2、机器学习的数学基础.pdf ├─3、机器学习的哲学.pdf ├─4、机器学习的数学基础.pdf ├─5、经典机器学习模型.pdf ├─6、经典机器学习模型.pdf ├─7、经典机器学习模型.pdf ├─8、线忄生模型.pdf ├─第五课_代码.zip
下载地址
链接:https://pan.baidu.com/s/1BcaDTkm-SP-5dLWO-nWriw 密码:vnua 解压密码:www.santongit.com