欢迎来到麦图教育科技平台
问题答疑
首页
全部课程
公开课
云课直播
新闻公告
数图资源
智汇大讲堂
更多
首页
全部课程
公开课
云课直播
新闻公告
数图资源
智汇大讲堂
扫码下载Android
扫码下载iOS
教师登录
学生登录
首页
全部课程
公开课
云课直播
新闻公告
数图资源
智汇大讲堂
教师登录
学生登录
首页 - 课程列表 - 课程详情
返回
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
[1.1.1]--机器学习定义
（10分钟）
[1.2.1]--机器学习的分类
（11分钟）
[1.3.1]--机器学习算法的过程
（13分钟）
[1.4.1]--没有免费午餐定理
（10分钟）
[1.5.1]--总结
（6分钟）
{2}--第二章支持向量机
[2.1.1]--支持向量机（线性可分定义）
（10分钟）
[2.2.1]--支持向量机（问题描述）
（8分钟）
[2.3.1]--支持向量机（优化问题）
（14分钟）
[2.4.1]--支持向量机（线性不可分情况）
（10分钟）
[2.5.1]--支持向量机（低维到高维的映射）
（7分钟）
[2.6.1]--支持向量机（核函数的定义）
（10分钟）
[2.7.1]--支持向量机（原问题和对偶问题）
（8分钟）
[2.8.1]--支持向量机（转化为对偶问题）
（9分钟）
[2.9.1]--支持向量机（算法流程）
（8分钟）
[2.10.1]--支持向量机（兵王问题描述）
（8分钟）
[2.11.1]--支持向量机（兵王问题程序设计）
（9分钟）
[2.12.1]--支持向量机（兵王问题MATLAB程序）
（16分钟）
[2.13.1]--支持向量机（识别系统的性能度量）
（16分钟）
[2.14.1]--支持向量机（多类情况）
（10分钟）
"(2.1.1)--向量偏导的定义"
"(2.7.1)--强对偶定理证明"
"(2.9.1)--支持向量机的理论推导"
"(2.9.2)--支持向量机的应用"
{3}--第三章人工神经网络
[3.1.1]--人工神经网络（神经元的数学模型）
（10分钟）
[3.2.1]--人工神经网络（感知器算法）
（19分钟）
[3.3.1]--人工神经网络（感知器算法的意义）
（11分钟）
[3.4.1]--人工神经网络（第一次寒冬）
（10分钟）
[3.5.1]--人工神经网络（多层神经网络）
（15分钟）
[3.6.1]--人工神经网络（梯度下降算法）
（15分钟）
[3.7.1]--人工神经网络（后向传播算法上）
（14分钟）
[3.8.1]--人工神经网络（后向传播算法下）
（11分钟）
[3.9.1]--人工神经网络（后向传播算法的应用）
（18分钟）
[3.10.1]--人工神经网络（兵王问题MATLAB程序）
（10分钟）
[3.11.1]--人工神经网络（参数设置）
（12分钟）
"(3.1.1)--人工神经网络介绍"
"(3.1.2)--本章资源介绍"
"(3.2.1)--感知器算法证明"
"(3.7.1)--后向传播算法推导"
"(3.11.1)--参数设置"
{4}--第四章深度学习
[4.1.1]--深度学习（历史发展）
（12分钟）
[4.2.1]--深度学习（自编码器）
（7分钟）
[4.3.1]--深度学习（卷积神经网络LENET）
（16分钟）
[4.4.1]--深度学习（卷积神经网络ALEXNET）
（12分钟）
[4.5.1]--深度学习的编程工具Tensorflow
（10分钟）
[4.6.1]--深度学习的编程工具CAFFE
（13分钟）
[4.7.1]--深度学习（近年来流行的卷积神经网络）
（11分钟）
[4.8.1]--目标检测与分割上
（13分钟）
[4.9.1]--目标检测与分割下
（12分钟）
[4.10.1]--时间序列的深度学习模型（RNN和LSTM）
（15分钟）
[4.11.1]--生成对抗网络
（12分钟）
"(4.10.1)--RNN和LSTM课件"
{5}--第五章强化学习
[5.1.1]--强化学习（Q-Learning和epsilon-greedy算法
（17分钟）
[5.2.1]--强化学习（深度强化学习）
（10分钟）
[5.3.1]--强化学习(policygradient和actor-critic
（11分钟）
[5.4.1]--强化学习(AlphaGo上）
（14分钟）
[5.5.1]--强化学习(AlphaGo下）
（10分钟）
"(5.4.1)--AlphaGo介绍"
{6}--第六章传统机器学习
[6.1.1]--主成分分析
（17分钟）
[6.2.1]--K-均值聚类
（12分钟）
[6.3.1]--高斯混合模型
（13分钟）
[6.4.1]--人工智能中的哲学
（13分钟）
"(6.1.1)--子空间算法"
"(6.1.2)--特征选择与提升算法"
"(6.1.3)--概率分类法"
"(6.2.1)--基于k-means算法的图像矢量量化（课件）"
"(6.3.1)--EM算法"
"(6.3.2)--GMM在说话人识别中的应用"
"(6.3.3)--语音识别介绍"
"(6.3.4)--隐含马尔可夫过程（1）"
"(6.3.5)--隐含马尔可夫过程（2）"
