机器学习40讲 极客时间

课程简介：
专栏共 3 大模块。

机器学习概观。这一模块将从频率学派与贝叶斯学派这两个视角来看机器学习，并讨论超脱于模型和方法之外的一些共性问题，包括模型的分类方式、设计准则、评估指标等。

统计机器学习模型。这一模块将以线性模型为主线，讨论模型的多种扩展和修正，如正则化、线性降维、核方法、基函数变化、随机森林等，探究从简单线性回归到复杂深度网络的发展历程。

概率图模型。这一模块将以高斯分布为起点，将高斯分布应用到从简单到复杂的图模型中，由此认识不同的模型特性与不同的计算技巧，如朴素贝叶斯、高斯混合模型、马尔科夫随机场等。

课程目录：
机器学习40讲
├──01-开篇词 (1讲)
| ├──00丨开篇词丨打通修炼机器学习的任督二脉.html 1.04M
| ├──00丨开篇词丨打通修炼机器学习的任督二脉.mp3 3.36M
| └──00丨开篇词丨打通修炼机器学习的任督二脉.pdf 1.36M
├──02-机器学习概观 (10讲)
| ├──01丨频率视角下的机器学习.html 1.70M
| ├──01丨频率视角下的机器学习.mp3 8.36M
| ├──01丨频率视角下的机器学习.pdf 2.21M
| ├──02丨贝叶斯视角下的机器学习.html 1.55M
| ├──02丨贝叶斯视角下的机器学习.mp3 7.88M
| ├──02丨贝叶斯视角下的机器学习.pdf 2.12M
| ├──03丨学什么与怎么学.html 1.75M
| ├──03丨学什么与怎么学.mp3 6.81M
| ├──03丨学什么与怎么学.pdf 2.40M
| ├──04丨计算学习理论.html 1.55M
| ├──04丨计算学习理论.mp3 8.55M
| ├──04丨计算学习理论.pdf 1.76M
| ├──05丨模型的分类方式.html 1.35M
| ├──05丨模型的分类方式.mp3 8.39M
| ├──05丨模型的分类方式.pdf 1.94M
| ├──06丨模型的设计准则.html 1.22M
| ├──06丨模型的设计准则.mp3 8.02M
| ├──06丨模型的设计准则.pdf 1.80M
| ├──07丨模型的验证方法.html 1.46M
| ├──07丨模型的验证方法.mp3 9.06M
| ├──07丨模型的验证方法.pdf 1.93M
| ├──08丨模型的评估指标.html 311.17kb
| ├──08丨模型的评估指标.mp3 8.20M
| ├──08丨模型的评估指标.pdf 1.84M
| ├──09丨实验设计.html 1.66M
| ├──09丨实验设计.mp3 5.80M
| ├──09丨实验设计.pdf 2.08M
| ├──10丨特征预处理.html 1.85M
| ├──10丨特征预处理.mp3 7.95M
| └──10丨特征预处理.pdf 2.40M
├──03-统计机器学习模型 (18讲)
| ├──11丨基础线性回归：一元与多元.html 2.39M
| ├──11丨基础线性回归：一元与多元.mp3 10.81M
| ├──11丨基础线性回归：一元与多元.pdf 2.93M
| ├──12丨正则化处理：收缩方法与边际化.html 1.77M
| ├──12丨正则化处理：收缩方法与边际化.mp3 9.86M
| ├──12丨正则化处理：收缩方法与边际化.pdf 1.79M
| ├──13丨线性降维：主成分的使用.html 2.19M
| ├──13丨线性降维：主成分的使用.mp3 9.76M
| ├──13丨线性降维：主成分的使用.pdf 2.37M
| ├──14丨非线性降维：流形学习.html 5.95M
| ├──14丨非线性降维：流形学习.mp3 8.95M
| ├──14丨非线性降维：流形学习.pdf 7.98M
| ├──15丨从回归到分类：联系函数与降维.html 2.02M
| ├──15丨从回归到分类：联系函数与降维.mp3 8.92M
| ├──15丨从回归到分类：联系函数与降维.pdf 2.38M
| ├──16丨建模非正态分布：广义线性模型.html 1.76M
| ├──16丨建模非正态分布：广义线性模型.mp3 8.56M
| ├──16丨建模非正态分布：广义线性模型.pdf 2.17M
| ├──17丨几何角度看分类：支持向量机.html 1.74M
| ├──17丨几何角度看分类：支持向量机.mp3 8.33M
| ├──17丨几何角度看分类：支持向量机.pdf 2.19M
| ├──18丨从全局到局部：核技巧.html 1.89M
| ├──18丨从全局到局部：核技巧.mp3 7.95M
| ├──18丨从全局到局部：核技巧.pdf 2.32M
| ├──19丨非参数化的局部模型：K近邻.html 1.83M
| ├──19丨非参数化的局部模型：K近邻.mp3 10.07M
| ├──19丨非参数化的局部模型：K近邻.pdf 2.13M
| ├──20丨基于距离的学习：聚类与度量学习.html 2.19M
| ├──20丨基于距离的学习：聚类与度量学习.mp3 7.57M
| ├──20丨基于距离的学习：聚类与度量学习.pdf 2.60M
| ├──21丨基函数扩展：属性的非线性化.html 1.67M
| ├──21丨基函数扩展：属性的非线性化.mp3 8.20M
| ├──21丨基函数扩展：属性的非线性化.pdf 2.00M
| ├──22丨自适应的基函数：神经网络.html 1.51M
| ├──22丨自适应的基函数：神经网络.mp3 8.71M
| ├──22丨自适应的基函数：神经网络.pdf 1.99M
| ├──23丨层次化的神经网络：深度学习.html 2.14M
| ├──23丨层次化的神经网络：深度学习.mp3 6.38M
| ├──23丨层次化的神经网络：深度学习.pdf 2.53M
| ├──24丨深度编解码：表示学习.html 1.65M
| ├──24丨深度编解码：表示学习.mp3 7.35M
| ├──24丨深度编解码：表示学习.pdf 2.15M
| ├──25丨基于特征的区域划分：树模型.html 1.92M
| ├──25丨基于特征的区域划分：树模型.mp3 7.40M
| ├──25丨基于特征的区域划分：树模型.pdf 2.53M
| ├──26丨集成化处理：Boosting与Bagging.html 1.79M
| ├──26丨集成化处理：Boosting与Bagging.mp3 7.09M
| ├──26丨集成化处理：Boosting与Bagging.pdf 2.30M
| ├──27丨万能模型：梯度提升与随机森林.html 1.64M
| ├──27丨万能模型：梯度提升与随机森林.mp3 8.27M
| ├──27丨万能模型：梯度提升与随机森林.pdf 2.17M
| ├──总结课丨机器学习的模型体系.html 955.19kb
| ├──总结课丨机器学习的模型体系.mp3 6.88M
| └──总结课丨机器学习的模型体系.pdf 1.10M
├──04-概率图模型 (14讲)
| ├──28丨最简单的概率图：朴素贝叶斯.html 1.61M
| ├──28丨最简单的概率图：朴素贝叶斯.mp3 8.13M
| ├──28丨最简单的概率图：朴素贝叶斯.pdf 2.12M
| ├──29丨有向图模型：贝叶斯网络.html 1.51M
| ├──29丨有向图模型：贝叶斯网络.mp3 7.85M
| ├──29丨有向图模型：贝叶斯网络.pdf 1.91M
| ├──30丨无向图模型：马尔可夫随机场.html 1.96M
| ├──30丨无向图模型：马尔可夫随机场.mp3 7.67M
| ├──30丨无向图模型：马尔可夫随机场.pdf 2.29M
| ├──31丨建模连续分布：高斯网络.html 1.69M
| ├──31丨建模连续分布：高斯网络.mp3 6.77M
| ├──31丨建模连续分布：高斯网络.pdf 1.59M
| ├──32丨从有限到无限：高斯过程.html 1.93M
| ├──32丨从有限到无限：高斯过程.mp3 7.12M
| ├──32丨从有限到无限：高斯过程.pdf 1.97M
| ├──33丨序列化建模：隐马尔可夫模型.html 1.50M
| ├──33丨序列化建模：隐马尔可夫模型.mp3 7.12M
| ├──33丨序列化建模：隐马尔可夫模型.pdf 1.88M
| ├──34丨连续序列化模型：线性动态系统.html 1.44M
| ├──34丨连续序列化模型：线性动态系统.mp3 6.92M
| ├──34丨连续序列化模型：线性动态系统.pdf 1.85M
| ├──35丨精确推断：变量消除及其拓展.html 2.09M
| ├──35丨精确推断：变量消除及其拓展.mp3 9.75M
| ├──35丨精确推断：变量消除及其拓展.pdf 1.87M
| ├──36丨确定近似推断：变分贝叶斯.html 1.83M
| ├──36丨确定近似推断：变分贝叶斯.mp3 6.92M
| ├──36丨确定近似推断：变分贝叶斯.pdf 1.73M
| ├──37丨随机近似推断：MCMC.html 2.41M
| ├──37丨随机近似推断：MCMC.mp3 7.78M
| ├──37丨随机近似推断：MCMC.pdf 2.05M
| ├──38丨完备数据下的参数学习：有向图与无向图.html 1.47M
| ├──38丨完备数据下的参数学习：有向图与无向图.mp3 6.45M
| ├──38丨完备数据下的参数学习：有向图与无向图.pdf 1.94M
| ├──39丨隐变量下的参数学习：EM方法与混合模型.html 2.36M
| ├──39丨隐变量下的参数学习：EM方法与混合模型.mp3 7.43M
| ├──39丨隐变量下的参数学习：EM方法与混合模型.pdf 2.36M
| ├──40丨结构学习：基于约束与基于评分.html 1.30M
| ├──40丨结构学习：基于约束与基于评分.mp3 6.32M
| ├──40丨结构学习：基于约束与基于评分.pdf 1.78M
| ├──总结课丨贝叶斯学习的模型体系.html 1.01M
| ├──总结课丨贝叶斯学习的模型体系.mp3 3.73M
| └──总结课丨贝叶斯学习的模型体系.pdf 1.40M
└──05-结束语 (1讲)
| ├──结课丨终有一天，你将为今天的付出骄傲.html 911.67kb
| ├──结课丨终有一天，你将为今天的付出骄傲.mp3 2.39M
| └──结课丨终有一天，你将为今天的付出骄傲.pdf 1.05M