|
三月机器学习七月在线 2015年3月 01 微积分与概率论基础
02 参数估计与矩阵运算基础
03 凸优化基础
04 广义线性回归和对偶优化
05 牛顿、拟牛顿、梯度下降、随机梯度下降(SGD)5 A* m" ^! E8 u/ ?4 D5 {
06 熵、最大熵模型MaxEnt、改进的迭代尺度法IIS' o' K5 L8 B+ t9 S& a. h$ ?- ]
07 聚类（k-means、层次聚类、谱聚类等）
08 K近邻、决策树、随机森林(random decision forests)
09 Adaboost
10 朴素贝叶斯、与贝叶斯网络9 Z1 v1 F+ U# K- T1 ~ f
11 支持向量机（最大间隔分类、拉格朗日乘值、对偶问题、损失函数、最优化理论、SMO）1 F$ J, h) C7 c8 `
12 EM、混合高斯模型
12 衣服推荐系统% n4 B( b5 l6 }! ~0 Q% _
13 主题模型（概率潜语义分析PLSA、隐含狄利克雷分布LDA）
14.15 马尔科夫链、隐马尔可夫模型HMM、采样$ c, O! P* t) d: H9 ~! x r
16 马尔可夫随机场(Markov Random Field)、条件随机场CRF
17 SVD、主成分分析PCA、因子分析、独立成分分析ICA5 s$ w( x1 s9 ]
18 卷积神经网络(CNN)、深度学浅析7 P9 u8 @8 s' v: U' V/ o+ |' F6 _
19 变分推断方法3 v! y" Y6 u! V: x
20 知识图谱
| 
[复制链接]
