【浙江大学】机器学习课程
浙江大学
有几分p转码失败没能上传成功，只好删除了。
且看且珍惜，全套获取：https://shimo.im/docs/99HVJCpDHvCJqXqq
视频选集
（1/54）
01 机器学习课程（一）教科书介绍
06:32
02 机器学习课程（二）成绩安排
17:45
03 机器学习课程（三）概念介绍
10:21
04 机器学习课程（四）这门课程的内容概述
17:37
05 机器学习课程（五）没有免费午餐定理
20:42
06 机器学习课程（六）支持向量机（线性模型）问题
20:06
07 机器学习课程（七）支持向量机（线性模型）数学描述
38:29
08 机器学习课程-8.支持向量机（线性模型）的图像展示
01:35
09 机器学习课程-9.支持向量机(非线性模型)优化目标函数和限制条件
11:30
10 机器学习课程-10.支持向量机（非线性模型） 低维到高维映射
28:29
11 机器学习课程-11.支持向量机（非线性模型）原问题和对偶问题
30:52
13 机器学习课程-13.支持向量机 – 核函数介绍
07:37
14 机器学习课程-14.支持向量机的应用 -- 兵王问题（规则介绍）
10:45
15 机器学习课程-15.支持向量机的应用 – 兵王问题 （参数设置）
31:52
16 机器学习课程-16.支持向量机的应用 – 兵王问题 （测试结果）
04:24
17 机器学习课程-17.ROC曲线
18:20
18 机器学习课程-18.支持向量机 – 处理多类问题
11:59
19 机器学习课程-19.人工神经网络 – 神经元的数学模型
17:28
21 机器学习课程-21.人工神经网络 – 人工智能的第一次寒冬
15:08
22 机器学习课程-22.人工神经网络 – 多层神经网络
11:45
23 机器学习课程-23.人工神经网络—三层神经网络可以模拟任意决策面【高清】.qsv.flv
15:55
24 机器学习课程-24.人工神经网络—后向传播算法
01:29:56
25 机器学习课程-25.人工神经网络 – 参数设置
01:22:16
26 机器学习课程 26 深度学习数据库准备
18:01
27 机器学习课程 27 深度学习自编码器
23:43
28 机器学习课程 28 深度学习 卷积神经网络LeNet
01:18:46
29 机器学习课程-29.深度学习 – 卷积神经网络（AlexNet）
39:23
30 机器学习课程-30.深度学习 – 编程工具（Caffe和Tensorflow）
29:33
31 机器学习课程-31.深度学习 – 近年来流行的网络结构
19:06
32 机器学习课程-32.深度学习 – 卷积神经网络的应用
18:41
33 机器学习课程_33_AlphaGo围棋规则
16:57
34 机器学习课程-34.AlphaGo (围棋有必胜策略的证明)
08:59
40 机器学习课程-40.目标检测 （RCNN和FCN）
57:26
41 机器学习课程-41.概率分类法概述
19:55
42 机器学习课程-42.概率密度估计 – 朴素贝叶斯分类器
16:42
44 机器学习课程-44.概率密度估计 – 高斯混合模型
03:48
45 机器学习课程-45.EM算法（高斯混合模型和K-均值算法）
48:45
46 机器学习课程-46.K-均值算法在图像压缩方面的应用
05:17
47 机器学习课程-47.高斯混合模型在说话人识别方面的应用
23:50
48 机器学习课程-48.EM算法（收敛性证明）
39:25
49 机器学习课程 49语音识别概述
07:28
50 机器学习课程 50 隐含马尔科夫过程
01:29:01
51 机器学习课程 51 大词汇量连续语音识别介绍
35:16
52 机器学习课程 52循环神经网络（RNN）和LSTM
39:43
53 机器学习课程 53人工智能中的哲学 缸中之脑
09:06
54 机器学习课程 54人工智能中的哲学 意识问题
13:05
55 机器学习课程 55人工智能中的哲学 图灵测试
04:18
56 机器学习课程 56人工智能中的哲学 世界是否有规律
05:39
57 机器学习课程 57人工智能中的哲学 中文屋子假想试验
07:04
58 机器学习课程 58人工智能中的哲学 创造力和洞穴理论
14:01
59 机器学习课程-59.人工智能中的哲学-生成对抗网络
15:42
60 机器学习课程-60.人工智能中的哲学-道德难题
09:38
61 机器学习课程 61 人工智能中的哲学未来展望
04:59
62 机器学习课程总结
25:15
顶部