
机器学习
本课程共53集 翻译完 欢迎学习
课程介绍:2016年,人工智能机器人AlphaGO击败了围棋世界冠军李世石,这场史无前例的“人机大战”将AI置于社会舆论的风口浪尖上。AI是什么?AI对人类有哪些作用?AI在未来社会中会扮演怎样的角色?要想弄清楚这些问题,就必须了解AI的主要的工作原理——机器学习。这门课程对机器学习这一领域既有全面细致的理论讲解,又有趣味生动的故事串联,还有妙趣横生的程序实践,带领同学们从数学、计算机科学和人文哲学等方面全面地理解AI。课程中的知识点覆盖全面,尤其包含近年来这一领域的发展,深度学习、增强学习、生成对抗网络、RNN和LSTM、ALPHAGO程序解析等最新的研究内容登上了MOOC的课堂。我们也规划了十个左右的编程实验,并讲解流行的CAFFE、TENSORFLOW和PYTORCH等流行的深度学习框架,让大家在学习理论的同时亲身实践,体验AI的魅力。与国外Andrew Ng,Fei-Fei Li等课程相比,这门机器学习课程更适合国内学生的学习习惯。只要你有高数和线性代数基础,掌握一门编程语言,那么恭喜你!无论是什么学科背景,你都能学习这门课程,探索AI的奥秘。通过这门课程的学习,我们有信心让你从AI的围观者变成AI的参与者和贡献者,欢迎同学们来到我们的MOOC,一起加油吧!
课程列表
【第1集】1. 机器学习定义 译
【第2集】2. 机器学习的分类 译
【第3集】3. 机器学习算法的过程 译
【第4集】4. 没有免费午餐定理 译
【第5集】5. 总结 译
【第6集】1. 支持向量机(线性可分定义) 译
【第7集】2. 支持向量机(问题描述) 译
【第8集】3. 支持向量机(优化问题) 译
【第9集】4. 支持向量机(线性不可分情况) 译
【第10集】5. 支持向量机(低维到高维的映射) 译
【第11集】6. 支持向量机(核函数的定义) 译
【第12集】7. 支持向量机(原问题和对偶问题) 译
【第13集】8. 支持向量机(转化为对偶问题) 译
【第14集】9. 支持向量机(算法流程) 译
【第15集】10. 支持向量机(兵王问题描述) 译
【第16集】11. 支持向量机(兵王问题程序设计) 译
【第17集】12. 支持向量机(兵王问题MATLAB程序) 译
【第18集】13. 支持向量机(识别系统的性能度量) 译
【第19集】14. 支持向量机(多类情况) 译
【第20集】1. 人工神经网络(章节总览) 译
【第21集】2. 人工神经网络(感知器算法) 译
【第22集】3. 人工神经网络(感知器算法的意义) 译
【第23集】4. 人工神经网络(第一次寒冬) 译
【第24集】5. 人工神经网络(多层神经网络) 译
【第25集】6. 人工神经网络(梯度下降算法) 译
【第26集】7. 人工神经网络(后向传播算法 上) 译
【第27集】8. 人工神经网络(后向传播算法 下) 译
【第28集】9. 人工神经网络(后向传播算法的应用) 译
【第29集】10. 人工神经网络(兵王问题MATLAB程序) 译
【第30集】11. 人工神经网络(参数设置) 译
【第31集】12. 深度学习的编程工具PYTORCH 译
【第32集】13. 人脸识别介绍 译
【第33集】章节简介及资源汇总 译
【第34集】2. 深度学习(自编码器) 译
【第35集】3. 深度学习(卷积神经网络LENET) 译
【第36集】4. 深度学习(卷积神经网络ALEXNET) 译
【第37集】5. 深度学习的编程工具Tensorflow 译
【第38集】6. 深度学习的编程工具CAFFE 译
【第39集】7. 深度学习(近年来流行的卷积神经网络) 译
【第40集】8. 目标检测与分割上 译
【第41集】9. 目标检测与分割下 译
【第42集】10. 时间序列的深度学习模型(RNN和LSTM) 译
【第43集】11. 生成对抗网络 译
【第44集】1. 强化学习(Q-Learning和epsilon-greedy算法) 译
【第45集】2. 强化学习(深度强化学习) 译
【第46集】3. 强化学习 (policy gradient 和 actor-critic算法) 译
【第47集】4. 强化学习 (AlphaGo 上) 译
【第48集】5. 强化学习 (AlphaGo 下) 译
【第49集】4. ADABOOST 译
【第50集】5. 人工智能中的哲学 译
【第51集】1. 主成分分析 译
【第52集】2. K-均值聚类 译
【第53集】3. 高斯混合模型 译
查看全部课程
相关推荐