问题答疑
首页
实训课程
公开课
更多
首页
实训课程
公开课
扫码下载Android
扫码下载iOS
登录
首页
实训课程
公开课
登录
首页 - 课程列表 - 课程详情
返回
机器学习及其Python实践
课程类型：
必修课
发布时间：
2023-07-18 10:47:35
主讲教师：
阚道宏
课程来源：
清华大学
建议学分：
0.00分
课程编码：
xtzx2238
课程介绍
课程目录
教师团队
第1章 机器学习导论
1-1 测算房价的数学模型
（15分钟）
1-2 随机模型及其学习算法
（24分钟）
1-3 随机变量与数学语言
（16分钟）
1-4 更加复杂的数学模型
（24分钟）
1-5 机器学习问题
（8分钟）
第2章 回归分析
2-1 编程环境与数据集
（12分钟）
2-2（1） 数据集加载与预处理
（13分钟）
2-2（2） 数据集加载与预处理（2-2-4小节开始）
（11分钟）
2-3（1） 模型训练与评价
（17分钟）
2-3（2） 模型训练与评价（2-3-3小节开始）
（11分钟）
2-4（1） 正则化
（11分钟）
2-4（2） 正则化（2-4-3小节开始）
（12分钟）
2-5 非线性回归
（13分钟）
第3章 分类问题
3-1（1） 贝叶斯分类器
（14分钟）
3-1（2） 贝叶斯分类器（3-1-2小节）
（9分钟）
3-1（3） 贝叶斯分类器（3-1-3小节）
（14分钟）
3-2（1） 非贝叶斯分类器
（7分钟）
3-2（2） 非贝叶斯分类器（3-2-2小节）
（10分钟）
3-2（3） 非贝叶斯分类器（3-2-3小节）
（17分钟）
3-3 多分类问题与分类模型评价
（20分钟）
3-4（1） 特征降维
（15分钟）
3-4（2） 特征降维（3-4-2小节）
（14分钟）
3-4（3） 特征降维（3-4-3小节开始）
（19分钟）
第4章 统计学习理论与支持向量机
4-1（1） 统计学习理论
（26分钟）
4-1（2） 统计学习理论（4-1-3小节开始）
（18分钟）
4-2（1） 线性可分支持向量机
（18分钟）
4-2（2） 线性可分支持向量机（4-2-3小节开始）
（7分钟）
4-3（1） 非线性可分的支持向量机
（8分钟）
4-3（2） 非线性可分的支持向量机（4-3-2小节）
（6分钟）
4-4 SVM分类器及其Python实现
（6分钟）
第5章 聚类问题
5-1 聚类问题的提出
（14分钟）
5-2（1） EM算法
（11分钟）
5-2（2） EM算法（5-2-2小节开始）
（9分钟）
5-3 K均值聚类
（14分钟）
5-4 密度聚类DBSCAN
（9分钟）
5-5 向量量化
（9分钟）
第6章 概率图模型与概率推理
6-1 贝叶斯网
（16分钟）
6-2（1） MCMC算法基础
（18分钟）
6-2（2） MCMC算法基础（6-2-3小节开始）
（29分钟）
6-3（1） MCMC算法家族
（12分钟）
6-3（2） MCMC算法家族（6-3-2小节开始）
（17分钟）
6-3（3） MCMC算法家族（6-3-2小节的遗传算法开始）
（13分钟）
6-3（4） MCMC算法家族（6-3-3小节开始）
（11分钟）
6-4 隐马尔可夫模型HMM
（14分钟）
6-5 无向图模型
（20分钟）
第7章 神经网络基础
7-1（1） 神经元模型
（10分钟）
7-1（2） 神经元模型（7-1-2小节开始）
（13分钟）
7-2（1） 神经网络
（16分钟）
7-2（2） 神经网络（7-2-3小节开始）
（14分钟）
7-3（1） 反向传播算法
（18分钟）
7-3（2） 反向传播算法（7-3-3小节开始）
（16分钟）
7-4（1） TensorFlow机器学习框架
（11分钟）
7-4（2） TensorFlow机器学习框架（7-4-2小节）
（9分钟）
7-4（3） TensorFlow机器学习框架（7-4-3小节）
（7分钟）
7-5 Keras高层接口建模
（18分钟）
第8章 深度学习
8-1（1） 卷积神经网络CNN
（25分钟）
8-1（2） 卷积神经网络CNN（8-1-3小节开始）
（14分钟）
8-2（1） 循环神经网络RNN
（23分钟）
8-2（2） 循环神经网络RNN（8-2-4小节开始）
（8分钟）
8-3（1） 自编码器
（8分钟）
8-3（2） 自编码器（8-3-3小节开始）
（15分钟）
8-3（3） 自编码器（8-3-5小节开始）
（29分钟）
8-4（1） 生成对抗网络GAN
（18分钟）
8-4（2） 生成对抗网络GAN（8-4-3小节开始）
（18分钟）
