- 登录
- 注册
登录
注册

首页
技术资讯中心
资源下载中心
会员中心
⇩ App下载
免费课程
入驻申请

- 登录
- 注册

游戏开发教程
Unity3D
UE4
- 虚幻4免费教程
- 虚幻4实战案例
GameMaker
- GameMaker免费教程
- GameMaker实战案例
Cocos3D
- Cocos3D免费教程
- Cocos3D实战案例
CryEngine
- CryEngine免费教程
- CryEngine实战案例
LayaBox
- Layabox免费教程
- LayaBox实战案例
Egret
- 白鹭免费教程
Laya
- Laya免费教程
Unity3D UE4 GameMaker Cocos3D CryEngine LayaBox Egret Laya
Python教程

python自动化办公

python爬虫

python数据分析

python股票量化投资

python优选基金

Python免费课程

python自动化办公 python爬虫 python数据分析 python股票量化投资 python优选基金 Python免费课程
web前端开发
vue.js
uni-app
Vue淘宝类大型商城全栈课程
vue.js uni-app Vue淘宝类大型商城全栈课程
AI数据科学
大数据
人工智能（AI）

云计算

区块链
大数据人工智能（AI）云计算区块链
移动开发
APP开发
移动游戏开发
- 微信小游戏开发
APP开发移动游戏开发
游戏美术教程

3dmax

maya

photoshop

3dmax maya photoshop
职场提升
办公软件
- PPT
- Excel
- Word免费
- Keynote
面试技巧
办公软件面试技巧
后端开发

Java后台免费

PHP

Python

Django

C++

Flask

Go

Ruby

Java后台免费 PHP Python Django C++ Flask Go Ruby
毕业设计

Java项目

Andriod项目

Java项目 Andriod项目
产品运营

产品经理

新媒体运营

产品经理新媒体运营
电子书

C语言

C语言

首页
技术资讯中心
资源下载中心
会员中心
⇩ App下载
免费课程
入驻申请

大数据机器学习清华大学

第92任务： [16.1.1]--开头

查看课程

任务列表

第1任务： [1.1.1]--1.机器学习定义和典型应用
第2任务： [1.2.1]--2.机器学习和人工智能的关系
第3任务： [1.3.1]--3.深度学习方法和其它人工智能方法的共性和差异
第4任务： [1.4.1]--4.机器学习和数据挖掘的关系
第5任务： [1.5.1]--5.机器学习和统计学习的关系
第6任务： [1.6.1]--6.机器学习的发展历程
第7任务： [1.7.1]--7.大数据机器学习的主要特点
第8任务： [2.1.1]--1机器学习的基本术语
第9任务： [2.2.1]--2.监督学习
第10任务： [2.3.1]--3.假设空间
第11任务： [2.4.1]--4.学习方法三要素
第12任务： [2.5.1]--5.奥卡姆剃刀定理
第13任务： [2.6.1]--6.没有免费的午餐定理v
第14任务： [2.7.1]--7.训练误差和测试误差
第15任务： [2.8.1]--8.过拟合与模型选择
第16任务： [2.9.1]--9.泛化能力
第17任务： [2.10.1]--10.生成模型和判别模型
第18任务： [3.1.1]--1.留出法
第19任务： [3.2.1]--2.交叉验证法
第20任务： [3.3.1]--3.自助法
第21任务： [3.4.1]--4.性能度量
第22任务： [3.5.1]--5.PR曲线
第23任务： [3.6.1]--6.ROC和AUC曲线
第24任务： [3.7.1]--7.代价敏感错误率
第25任务： [3.8.1]--8.假设检验
第26任务： [3.9.1]--9.T检验
第27任务： [3.10.1]--10.偏差和方差
第28任务： [4.1.1]--1.感知机模型
第29任务： [4.2.1]--2.感知机学习策略
第30任务： [4.3.1]--3.感知机学习算法
第31任务： [5.1.1]--1.原型聚类描述
第32任务： [5.2.1]--2.性能度量
第33任务： [5.3.1]--3.1原型聚类k均值算法
第34任务： [5.4.1]--3.2原型聚类学习向量算法
第35任务： [5.5.1]--3.3原型聚类密度聚类
第36任务： [5.6.1]--3.4原型聚类层次聚类
第37任务： [6.1.1]--1.综述
第38任务： [6.2.1]--2.概率图模型
第39任务： [6.3.1]--3.贝叶斯网络
第40任务： [6.4.1]--4.朴素贝叶斯分类器
第41任务： [6.5.1]--5.半朴素贝叶斯分类器v
第42任务： [6.6.1]--6.贝叶斯网络结构学习推断
第43任务： [6.7.1]--7.吉布斯采样
第44任务： [7.1.1]--开头
第45任务： [7.2.1]--1.决策树模型与学习基本概念
第46任务： [7.3.1]--2.信息量和熵
第47任务： [7.4.1]--3.决策树的生成
第48任务： [7.5.1]--4.决策树的减枝
第49任务： [7.6.1]--5.CART算法
第50任务： [7.7.1]--6.随机森林
第51任务： [8.1.1]--简介
第52任务： [8.2.1]--1.逻辑斯谛回归模型
第53任务： [8.3.1]--2.最大熵模型
第54任务： [8.4.1]--3.模型学习的最优化方法
第55任务： [9.1.1]--1.开头
第56任务： [9.2.1]--2.SVM简介
第57任务： [9.3.1]--3.线性可分支持向量机
第58任务： [9.4.1]--4.凸优化问题的基本概念
第59任务： [9.5.1]--5.支持向量的确切定义
第60任务： [9.6.1]--6.线性支持向量机
第61任务： [10.1.1]--开头
第62任务： [10.2.1]--1.泛函基础知识
第63任务： [10.3.1]--2.核函数和非线性支持向量机
第64任务： [10.4.1]--3.序列最小最优化算法
第65任务： [11.1.1]--开头
第66任务： [11.2.1]--1.k近邻学习
第67任务： [11.3.1]--2.降维嵌入
第68任务： [11.4.1]--3.主要成分分析
第69任务： [11.5.1]--4.核化线性降维
第70任务： [11.6.1]--5.流型学习和度量学习
第71任务： [12.1.1]--1.提升方法adaboost算法
第72任务： [12.2.1]--2.Adaboost算法的训练误差分析
第73任务： [12.3.1]--3.Adaboost算法的解释
第74任务： [12.4.1]--4.Adaboost的实现
第75任务： [13.1.1]--开头
第76任务： [13.2.1]--1.问题提出
第77任务： [13.3.1]--2.EM算法的引入
第78任务： [13.4.1]--3.EM算法的收敛性
第79任务： [13.5.1]--4.EM算法在高斯混合模型学习中的应用
第80任务： [13.6.1]--5.EM算法的推广
第81任务： [14.1.1]--开头
第82任务： [14.2.1]--1.计算学习理论的基础知识
第83任务： [14.3.1]--2.概率近似正确学习理论
第84任务： [14.4.1]--3.有限假设空间
第85任务： [14.5.1]--4.VC维
第86任务： [14.6.1]--5.学习稳定性
第87任务： [15.1.1]--开头
第88任务： [15.2.1]--1.隐马尔科夫模型的基本概念
第89任务： [15.3.1]--2.概率计算算法
第90任务： [15.4.1]--3.学习算法
第91任务： [15.5.1]--4.预测算法
第92任务： [16.1.1]--开头
第93任务： [16.2.1]--1.概率无向图模型
第94任务： [16.3.1]--2.条件随机场的定义与形式
第95任务： [16.4.1]--3.条件随机场的计算问题
第96任务： [16.5.1]--4.条件随机场的学习算法
第97任务： [16.6.1]--5.条件随机场的预测算法
第98任务： [17.1.1]--开头
第99任务： [17.2.1]--1.精确推断法：变量消去法和信念传播法
第100任务： [17.3.1]--2.近似推断法：MCMC和变分推断
第101任务： [18.1.1]--1.神经网络的发展历程
第102任务： [18.2.1]--2.神经网络的基本概念以及常见的神经网络(一）
第103任务： [18.3.1]--3.神经网络的基本概念以及常见的神经网络(二）
第104任务： [18.4.1]--4.玻尔兹曼机
第105任务： [18.5.1]--5.深度学习
第106任务： [19.1.1]--1.深度学习简介和架构设计
第107任务： [19.2.1]--2.计算图形式的反向传播算法
第108任务： [19.3.1]--3.深度学习的正则化方法（一）
第109任务： [19.4.1]--4.深度学习的正则化方法（二）
第110任务： [20.1.1]--1.深度学习的优化问题
第111任务： [20.2.1]--2.神经网络优化的挑战
第112任务： [20.3.1]--3.神经网络的优化算法
第113任务： [20.4.1]--4.相关策略

Powered by InsideRIA v23.2.4 ©2014-2024 课程内容版权均归锐亚科技所有京ICP备19057395号-2 增值电信业务许可证：京B2-20212984

学
习
中
心

TOP

售前咨询（提莫）

售前咨询（克里斯）

售前咨询（阿木）

售前咨询群

工作时间：9:00 - 17:00

客服：15311498308

客服：15311498308

邮箱： service@insideria.cn