机器算法与数学算法实践与分析

课程信息

的深度应用 从概率统计到BP算法的实践与分析 机器学习算法与数学深度讲解”的课程，它给予我了非常深入的学习体验和技能提升。这门课程覆盖了从概率统计到BP算法的多种机器学习算法。通过学习这些算法，我能够更好地理解机器学习的核心原理和技术，并且在实践中更好地应用这些技能。这门课程深入讲解了机器学习算法和数学原理之间的联系，让我从理论上更好地理解机器学习模型的构建和优化。这也让我更加信心满满地应用这些技能去解决实际问题。建议先收藏保存，不定时失效。

课程目录

└── 22916
    ├── PART1
    │   ├── 课程总结.mp4 1.02M
    │   ├── 任务1-2：第一章：绪论（上）.mp4 199.62M
    │   ├── 任务1-3：第一章：绪论（下）.mp4 546.32M
    │   ├── 任务2-2：习题讲解.mp4 57.82M
    │   ├── 任务2-3：第二章课程辅助资料.zip 3.07M
    │   ├── 任务3-2：第二章：函数求导（上）.mp4 178.34M
    │   ├── 任务3-3：第二章：函数求导（中）.mp4 355.28M
    │   ├── 任务4-2：第二章：BP算法（上）.mp4 205.35M
    │   ├── 任务4-3：第二章：BP算法（下）.mp4 423.24M
    │   ├── 任务5-1：第二章习题讲解.mp4 26.11M
    │   ├── 任务5-3：BP算法及其应用——波士顿房价预测.mp4 160.92M
    │   ├── 任务5-4：BP算法及其应用-波士顿房价预测.rar 0.12M
    │   ├── 任务6-2：第三章：矩阵运算（上）.mp4 226.57M
    │   ├── 任务7-2：第三章：矩阵运算（下）.mp4 94.05M
    │   ├── 任务8-2：编程实践：矩阵的运算.mp4 78.52M
    │   ├── 任务9-2：第三章：矩阵论（三）.mp4 184.84M
    │   ├── 任务10-2：SVD2.rar 0.00M
    │   ├── 任务10-3：编程实践：基于奇异值分解SVD进行智能推荐.mp4 86.01M
    │   ├── 任务11-2：凸函数.mp4 95.12M
    │   ├── 任务12-2：对偶理论及SVM的对偶求解.mp4 101.84M
    │   ├── 任务13-2：编程实践：基于支持向量机 SVM 进行二分类.mp4 163.97M
    │   ├── 任务13-3：编程实践：基于支持向量机 SVM 进行二分类.rar 0.01M
    │   ├── 任务14-2：概率统计（上）.mp4 78.35M
    │   └── 任务15-2：概率统计（中）.mp4 144.65M
    └── PART2
        ├── 任务16-3：【课外资料】概率统计
        │   ├── __MACOSX
        │   │   └── 课程辅助资料-第五章-概率统计
        │   │       ├── ._资料1-The Multivariate Gaussian Distribution(仅供学习使用,不得用于商业目的).pdf 0.00M
        │   │       └── ._资料2-More on Multivariate Gaussians(仅供学习使用,不得用于商业目的).pdf 0.00M
        │   └── 课程辅助资料-第五章-概率统计
        │       ├── 资料1-The Multivariate Gaussian Distribution(仅供学习使用,不得用于商业目的).pdf 0.33M
        │       └── 资料2-More on Multivariate Gaussians(仅供学习使用,不得用于商业目的).pdf 0.11M
        ├── 任务18-3：【代码&数据】朴素贝叶斯实践代码&数据
        │   ├── Bayesian.py 0.01M
        │   ├── Breastcancer.py 0.01M
        │   ├── Breastdata.txt 0.02M
        │   └── remove.txt 0.02M
        ├── 任务19-1：【资料】课程辅助资料-
        │   ├── __MACOSX
        │   │   └── 课程辅助资料-第六章-信息论
        │   │       ├── ._资料1-Information Theory, Inference, and Learning Algorithms (仅供学习使用,不得用于商业目的).pdf 0.00M
        │   │       ├── ._资料2-Elements of Information Theory Elements-第二版 (仅供学习使用,不得用于商业目的).pdf 0.00M
        │   │       └── ._资料3-Elements of Information Theory Second Edition-Solutions to Problems (仅供学习使用,不得用于商业目的).pdf 0.00M
        │   └── 课程辅助资料-第六章-信息论
        │       ├── 资料1-Information Theory, Inference, and Learning Algorithms (仅供学习使用,不得用于商业目的).pdf 9.78M
        │       ├── 资料2-Elements of Information Theory Elements-第二版 (仅供学习使用,不得用于商业目的).pdf 10.09M
        │       └── 资料3-Elements of Information Theory Second Edition-Solutions to Problems (仅供学习使用,不得用于商业目的).pdf 1.92M
        ├── 任务21-3：【编程实践】基于决策树和 C4.5 算法进行二分类
        │   ├── 编程实践：基于决策树和 C4.5 算法进行二分类.pdf 1.26M
        │   ├── Breastdata.txt 0.02M
        │   ├── DT_C4.5.py 0.01M
        │   └── treePlotter.py 0.00M
        ├── 任务16-2：概率统计（下）.mp4 158.08M
        ├── 任务17-2：极大似然估计&朴素贝叶斯.mp4 120.80M
        ├── 任务18-2：编程实践：基于朴素贝叶斯和拉普拉斯平滑预测乳腺癌.mp4 37.18M
        ├── 任务19-3：信息论上.mp4 45.24M
        ├── 任务20-2：信息论基础-中.mp4 26.52M
        ├── 任务21-2：信息论基础-下.mp4 58.18M
        └── 任务21-4：案例实践：决策树及其应用.mp4 66.15M