欢迎来到坚石实训平台
问题答疑
首页
全部课程
公开课
云课直播
数图资源
更多
首页
全部课程
公开课
云课直播
数图资源
扫码下载Android
扫码下载iOS
教师登录
学生登录
首页
全部课程
公开课
云课直播
数图资源
教师登录
学生登录
首页 - 课程列表 - 课程详情
返回
机器学习_浙江大学
课程类型：
选修课
发布时间：
2020-12-30 08:39:47
主讲教师：
课程来源：
建议学分：
3.00分
课程编码：
mk000480
课程介绍
课程目录
教师团队
{1}--第一章引言
[1.1.1]--机器学习定义
（10分钟）
[1.2.1]--机器学习的分类
（11分钟）
[1.3.1]--机器学习算法的过程
（13分钟）
[1.4.1]--没有免费午餐定理
（10分钟）
[1.5.1]--总结
（6分钟）
{2}--第二章支持向量机
[2.1.1]--支持向量机（线性可分定义）
（10分钟）
[2.2.1]--支持向量机（问题描述）
（8分钟）
[2.3.1]--支持向量机（优化问题）
（14分钟）
[2.4.1]--支持向量机（线性不可分情况）
（10分钟）
[2.5.1]--支持向量机（低维到高维的映射）
（7分钟）
[2.6.1]--支持向量机（核函数的定义）
（10分钟）
[2.7.1]--支持向量机（原问题和对偶问题）
（8分钟）
[2.8.1]--支持向量机（转化为对偶问题）
（9分钟）
[2.9.1]--支持向量机（算法流程）
（8分钟）
[2.10.1]--支持向量机（兵王问题描述）
（8分钟）
[2.11.1]--支持向量机（兵王问题程序设计）
（9分钟）
[2.12.1]--支持向量机（兵王问题MATLAB程序）
（16分钟）
[2.13.1]--支持向量机（识别系统的性能度量）
（16分钟）
[2.14.1]--支持向量机（多类情况）
（10分钟）
"(2.1.1)--向量偏导的定义"
"(2.7.1)--强对偶定理证明"
"(2.9.1)--支持向量机的理论推导"
"(2.9.2)--支持向量机的应用"
{3}--第三章人工神经网络
[3.1.1]--人工神经网络（神经元的数学模型）
（10分钟）
[3.2.1]--人工神经网络（感知器算法）
（19分钟）
[3.3.1]--人工神经网络（感知器算法的意义）
（11分钟）
[3.4.1]--人工神经网络（第一次寒冬）
（10分钟）
[3.5.1]--人工神经网络（多层神经网络）
（15分钟）
[3.6.1]--人工神经网络（梯度下降算法）
（15分钟）
[3.7.1]--人工神经网络（后向传播算法上）
（14分钟）
[3.8.1]--人工神经网络（后向传播算法下）
（11分钟）
[3.9.1]--人工神经网络（后向传播算法的应用）
（18分钟）
[3.10.1]--人工神经网络（兵王问题MATLAB程序）
（10分钟）
[3.11.1]--人工神经网络（参数设置）
（12分钟）
"(3.1.1)--人工神经网络介绍"
"(3.1.2)--本章资源介绍"
"(3.2.1)--感知器算法证明"
"(3.7.1)--后向传播算法推导"
"(3.11.1)--参数设置"
{4}--第四章深度学习
[4.1.1]--深度学习（历史发展）
（12分钟）
[4.2.1]--深度学习（自编码器）
（7分钟）
[4.3.1]--深度学习（卷积神经网络LENET）
（16分钟）
[4.4.1]--深度学习（卷积神经网络ALEXNET）
（12分钟）
[4.5.1]--深度学习的编程工具Tensorflow
（10分钟）
[4.6.1]--深度学习的编程工具CAFFE
（13分钟）
[4.7.1]--深度学习（近年来流行的卷积神经网络）
（11分钟）
[4.8.1]--目标检测与分割上
（13分钟）
[4.9.1]--目标检测与分割下
（12分钟）
[4.10.1]--时间序列的深度学习模型（RNN和LSTM）
（15分钟）
[4.11.1]--生成对抗网络
（12分钟）
"(4.10.1)--RNN和LSTM课件"
{5}--第五章强化学习
[5.1.1]--强化学习（Q-Learning和epsilon-greedy算法
（17分钟）
[5.2.1]--强化学习（深度强化学习）
（10分钟）
[5.3.1]--强化学习(policygradient和actor-critic
（11分钟）
[5.4.1]--强化学习(AlphaGo上）
（14分钟）
[5.5.1]--强化学习(AlphaGo下）
（10分钟）
"(5.4.1)--AlphaGo介绍"
{6}--第六章传统机器学习
[6.1.1]--主成分分析
（17分钟）
[6.2.1]--K-均值聚类
（12分钟）
[6.3.1]--高斯混合模型
（13分钟）
[6.4.1]--人工智能中的哲学
（13分钟）
"(6.1.1)--子空间算法"
"(6.1.2)--特征选择与提升算法"
"(6.1.3)--概率分类法"
"(6.2.1)--基于k-means算法的图像矢量量化（课件）"
"(6.3.1)--EM算法"
"(6.3.2)--GMM在说话人识别中的应用"
"(6.3.3)--语音识别介绍"
"(6.3.4)--隐含马尔可夫过程（1）"
"(6.3.5)--隐含马尔可夫过程（2）"
