文泉课堂
- 年轻人的新知识课堂。
旗下网站
旗下产品
文泉考试
文泉题库
关注我们
文泉课堂公众号
课程
课程
登录
注册
登录
注册
机器学习及其Python实践(微课视频版)-9787302604068-095115-01
第38课时: 6.1 贝叶斯网
查看课程
课时列表
第1课时: 《机器学习及其Python实践-阚道宏》课程介绍(6m)
第2课时: 1.1 测算房价的数学模型
第3课时: 1.2 随机模型及其学习算法
第4课时: 1.3 随机变量与数学语言
第5课时: 1.4 更加复杂的数学模型
第6课时: 1.5 机器学习问题
第7课时: 2.1 编程环境与数据集
第8课时: 2.2.1-2.2.3 数据集加载与预处理(1)
第9课时: 2.2.4-2.2.5 数据集加载与预处理(2)
第10课时: 2.3.1-2.3.2 模型训练与评价(1)
第11课时: 2.3.3 模型训练与评价(2)
第12课时: 2.4.1-2.4.2 正则化(1)
第13课时: 2.4.3 正则化(2)
第14课时: 2.5 非线性回归
第15课时: 3.1.1 贝叶斯分类器(1)
第16课时: 3.1.2 贝叶斯分类器(2)
第18课时: 3.2.1 非贝叶斯分类器(1)
第17课时: 3.1.3 贝叶斯分类器(3)
第19课时: 3.2.2 非贝叶斯分类器(2)
第20课时: 3.2.3 非贝叶斯分类器(3)
第21课时: 3.3 多分类问题与分类模型评价
第22课时: 3.4.1 特征降维(1)
第23课时: 3.4.2 特征降维(2)
第24课时: 3.4.3-3.4.4 特征降维(3)
第25课时: 4.1.1-4.1.2 统计学习理论(1)
第26课时: 4.1.3-4.1.4 统计学习理论(2)
第28课时: 4.2.3 线性可分支持向量机(2)
第27课时: 4.2.1-4.2.2 线性可分支持向量机(1)
第29课时: 4.3.1 非线性可分的支持向量机(1)
第30课时: 4.3.2 非线性可分的支持向量机(2)
第31课时: 4.4 SVM分类器及其Python实现
第32课时: 5.1 聚类问题的提出
第34课时: 5.2.2-5.2.3 EM算法(2)
第33课时: 5.2.1 EM算法(1)
第35课时: 5.3 K均值聚类
第36课时: 5.4 密度聚类DBSCAN
第37课时: 5.5 向量量化
第38课时: 6.1 贝叶斯网
第39课时: 6.2.1-6.2.2 MCMC算法基础(1)
第40课时: 6.2.3-6.2.4 MCMC算法基础(2)
第41课时: 6.3.1 MCMC采样算法
第43课时: 6.3.2 MCMC最优化算法(2)
第44课时: 6.3.3 MCMC互评算法
第45课时: 6.4 隐马尔可夫模型HMM
第46课时: 6.5 无向图模型
第42课时: 6.3.2 MCMC最优化算法(1)
第47课时: 7.1.1 神经元模型(1)
第48课时: 7.1.2-7.1.3 神经元模型(2)
第49课时: 7.2.1-7.2.2 神经网络(1)
第50课时: 7.2.3-7.2.4 神经网络(2)
第51课时: 7.3.1-7.3.2 反向传播算法(1)
第52课时: 7.3.3 反向传播算法(2)
第53课时: 7.4.1 TensorFlow机器学习框架(1)
第54课时: 7.4.2 TensorFlow机器学习框架(2)
第55课时: 7.4.3 TensorFlow机器学习框架(3)
第56课时: 7.5 Keras高层接口建模
第57课时: 8.1.1-8.1.2 卷积神经网络CNN(1)
第59课时: 8.2.1-8.2.3 循环神经网络RNN(1)
第58课时: 8.1.3-8.1.4 卷积神经网络CNN(2)
第60课时: 8.2.4 循环神经网络RNN(2)
第61课时: 8.3.1-8.3.2 自编码器(1)
第62课时: 8.3.3-8.3.4 自编码器(2)
第63课时: 8.3.5 自编码器(3)
第64课时: 8.4.1-8.4.2 生成对抗网络GAN(1)
第65课时: 8.4.3-8.4.4 生成对抗网络GAN(2)
学
习
中
心
TOP