斯坦福大学公开课 :机器学习课程
本课程共20集 翻译完 欢迎学习
讲师:Andrew Ng
课程介绍:人工智能的发展到已经进入了一个瓶颈期。近年来各个研究方向都没有太大的突破。真正意义上人工智能的实现目前还没有任何曙光。但是,机器学习无疑是最有希望实现这个目标的方向之一。斯坦福大学的“Stanford Engineering Everywhere ”免费提供学校里最受欢迎的工科课程,给全世界的学生和教育工作者。得益于这个项目,我们有机会和全世界站在同一个数量级的知识起跑线上。
课程列表
【第1集】机器学习的动机与应用 译
【第2集】监督学习应用.梯度下降 译
【第3集】欠拟合与过拟合的概念 译
【第4集】牛顿方法 译
【第5集】生成学习算法 译
【第6集】朴素贝叶斯算法 译
【第7集】最优间隔分类器问题 译
【第8集】顺序最小优化算法 译
【第9集】经验风险最小化 译
【第10集】特征选择 译
【第11集】贝叶斯统计正则化 译
【第12集】K-means算法 译
【第13集】高斯混合模型 译
【第14集】主成分分析法 译
【第15集】奇异值分解 译
【第16集】马尔可夫决策过程 译
【第17集】离散与维数灾难 译
【第18集】线性二次型调节控制 译
【第19集】微分动态规划 译
【第20集】策略搜索 译
查看全部课程
相关推荐