该课程为极客机器学习训练营的第一期,内容涵盖从基础到高级的机器学习知识。课程从Python和R语言的基础开始,逐步深入到机器学习的基本概念、算法实现、特征工程、集成学习、深度学习基础及常见网络、PyTorch语法、神经网络训练方法、AutoML、Jax简介,以及使用Kubernetes进行部署。此外,还包括高等数学与线性代数的加餐内容,以及机器学习进阶理论与战术的加餐课程。课程内容丰富,注重理论与实践结合,旨在培养实干型的机器学习工程师。...
机器学习的数学基础。 机器学习的数学基础(53集/高等数学/线性代数/概率论/数理统计)。 ├── 第1章-微分上
├── 第3章-线性代数
├── 第4章-概率统计
├── 第5章-zui优化方法
📢 以下文件由夸克网盘用户于2025-04-26分享(文件数量过多时仅展示部分文件)
机器学习必备的数学基础851.93MB
第1章-微分上209.51MB
1-1课程介绍.mp481.16MB
1-2O(n).mp411.67MB
1-3极限.mp45.25MB
1-4导数.mp414.41MB
1-5求导方法.mp418.28MB
1-6费马定理.mp46.21MB
1-7函数逼近.mp413.9MB
1-8泰勒展开.mp422.85MB
1-9凸函数.mp428.16MB
1-10本集总结.mp47.6MB
第3章-线性代数212.86MB
3-1本集介绍.mp43.76MB
3-2向量矩阵张量.mp49.33MB
3-3向量与矩阵运算.mp428.22MB
3-4张量的运算.mp413.78MB
3-5矩阵的逆与伪逆.ev4a20.19MB
3-6行列式.ev4a20.21MB
3-7线性方程组.ev4a27.16MB
3-9矩阵分解.mp448.33MB
3-10本集总结.mp43.05MB
3-8二次型与正定性.mp438.82MB
第4章-概率统计264.54MB
4-1本集介绍.mp45.89MB
4-2随机变量与概率分布.mp468.36MB
4-3贝叶斯定理.mp428.85MB
4-4期望、方差与条件数学期望.mp438.92MB
4-11蒙特卡洛方法.mp423.16MB
4-12Bootstrap方法.mp456.01MB
4-13EM算法.mp438.58MB
4-14本集总结.mp44.78MB
第5章-zui优化方法165.02MB
5-2优化问题简介.mp46.99MB
5-3最速下降法.mp432.06MB
5-4共轭梯度法.mp421.96MB
5-5牛顿法.mp424.87MB
5-6拟牛顿法.mp47.19MB
5-7约束非线性优化.mp418.9MB
5-8KKT条件.mp428.58MB
5-9本集总结.mp417.71MB
5-15.1 本集简介.mp46.75MB
共37个文件,合计:851.93MB


5积分
