投稿

浙江大学胡浩基机器学习课程现场录播合集

15.6万

882

2022-07-14 08:00:00

未经作者授权，禁止转载

本课程重点介绍机器学习中的核心算法和理论，使学生通过理论学习掌握机器学习中的经典理论，了解当前最新发展，并学会针对各自学科的具体问题设计机器学习算法。课程内容包括支持向量机、人工神经网络、深度学习、强化学习、传统的机器学习五个模块，用丰富的理论推导和实验案例加深学生的理解。

支持向量机

胡浩基老师发消息

浙江大学信电学院教师

教科书介绍

06:36

成绩安排

17:48

概念介绍

10:24

课程内容概述

17:40

没有免费午餐定理

20:46

支持向量机（线性模型）问题

20:12

支持向量机（线性模型）的数学描述

38:34

支持向量机（线性模型）的图像展示

01:34

支持向量机（非线性模型）-- 改写优化目标函数和限制条件

11:30

支持向量机（非线性模型）-- 低维到高维映射

28:29

支持向量机（非线性模型）--原问题和对偶问题

30:52

支持向量机（非线性模型）-- 将支持向量机原问题转化为对偶问题

57:34

支持向量机 – 核函数介绍

07:37

支持向量机的应用 -- 兵王问题（规则介绍）

10:45

支持向量机的应用 – 兵王问题（参数设置）

31:52

支持向量机的应用 – 兵王问题（测试结果）

04:24

ROC曲线

18:20

支持向量机 – 处理多类问题

11:59

人工神经网络 – 神经元的数学模型

17:30

人工神经网络 – 感知器算法

38:59

人工神经网络 – 人工智能的第一次寒冬

15:08

人工神经网络 – 多层神经网络

11:45

人工神经网络—三层神经网络可以模拟任意决策面

15:55

人工神经网络—后向传播算法

01:29:56

人工神经网络 – 参数设置

01:22:16

深度学习 – 数据库准备

18:04

深度学习 – 自编码器

23:43

深度学习 – 卷积神经网络（LeNet）

01:18:46

深度学习 – 卷积神经网络（AlexNet）

39:23

深度学习 – 编程工具（Caffe和Tensorflow）

29:33

深度学习 – 近年来流行的网络结构

19:06

深度学习 – 卷积神经网络的应用

18:41

AlphaGo (围棋规则)

16:57

AlphaGo (围棋有必胜策略的证明)

08:59

增强学习（Q-Learning）

01:18:09

增强学习（Policy Gradient）

19:24

增强学习 (AlphaGo)

23:26

特征提取 – 主成分分析（PCA）

01:13:05

特征选择 – 自适应提升（AdaBoost）

01:11:16

目标检测（RCNN和FCN）

13:19

概率分类法概述

19:55

概率密度估计 – 朴素贝叶斯分类器（Naïve Bayesian Classifier）

16:42

概率密度估计 – 高斯密度函数（Gaussian Distribution Function）

31:07

概率密度估计 – 高斯混合模型（Gaussian Mixture Model）

03:48

EM算法（高斯混合模型和K-均值算法）

48:45

K-均值算法在图像压缩方面的应用

05:17

高斯混合模型在说话人识别方面的应用

23:50

EM算法（收敛性证明）

39:25

语音识别概述

07:28

隐含马尔科夫过程 (Hidden Markov Model)

01:29:01

大词汇量连续语音识别介绍

35:16

循环神经网络（RNN）和LSTM

39:43

人工智能中的哲学-缸中之脑

09:06

人工智能中的哲学-意识问题

13:05

人工智能中的哲学-图灵测试

04:18

人工智能中的哲学-世界是否有规律

05:39

人工智能中的哲学-中文屋子假想试验

07:04

人工智能中的哲学-创造力和洞穴理论

14:01

人工智能中的哲学-生成对抗网络（Generative Adversary Nets）

15:42

人工智能中的哲学-道德难题

09:38

人工智能中的哲学-未来展望

04:59

顶部