扫码支付

购买商品:
商品价格:

价格读取中

支付方式:
微信

请扫码进行支付

支付宝

请扫码进行支付

二维码已过期,请点击刷新

  • 课程> 人工智能> 机器学习
  • 机器学习之概率与统计推断

  • 由百度云提供技术支持
    课程目录
    第一章:随机变量及其分布
    • 1. 概率与统计推断课程介绍 (免费)
    • 7:14
    • 2. (一)概率基础 (免费)
    • 11:12
    • 3. (二)随机变量及其分布函数
    • 13:03
    • 4. (三)分布的单值概述
    • 18:18
    • 5. (四)常见随机变量分布
    • 35:16
    • 6. (五)抽样分布
    • 17:04
    • 7. (六)概率密度估计
    • 17:28
    • 8. (七)案例:Rent Listing Requries数据集探索及特征的分布估计
    • 16:21
    • 9. (八)极大熵原理
    • 11:21
    • 10. 概率第一课课后答疑
    • 7:26
    • 11. 概率第一课作业讲解
    • 16:24
    第二章:多元随机向量及其分布
    • 1. (一)多元随机变量及其分布
    • 3:56
    • 2. (1.1)联合分布
    • 5:31
    • 3. (1.2)边缘分布
    • 3:29
    • 4. (1.3)条件分布
    • 2:49
    • 5. (1.4)贝叶斯规则
    • 5:20
    • 6. (1.5)独立及条件独立
    • 2:23
    • 7. (1.6)协方差
    • 7:54
    • 8. (1.7)互信息及特征选择
    • 14:46
    • 9. (1.8)随机变量之间关系案例:Kaggle竞赛 Rent Listing Inquires数据分析
    • 10:32
    • 10. (二)多元正态分布
    • 2:35
    • 11. (2.1)协方差矩阵及白化
    • 6:33
    • 12. (2.2)高斯判别分析
    • 12:35
    • 13. (三)概率图模型
    • 1:57
    • 14. (3.1)有向图&无向图
    • 5:31
    • 15. (3.2)特殊概率图模型
    • 1:16
    • 16. (3.3)朴素贝叶斯模型及Titanic案例分析
    • 7:46
    • 17. (3.4)Markov链
    • 7:35
    • 18. (3.5)隐马尔科夫模型(HMM)
    • 3:36
    • 19. (3.6)Markov随机场(MRF)
    • 3:07
    • 20. (3.7)条件随机场(CRF)
    • 6:13
    • 21. 概率第二课课后答疑
    • 11:37
    • 22. 概率第二课作业讲解
    • 9:41
    第三章:极大似然估计
    • 1. 前言:参数估计简介
    • 5:41
    • 2. (一)极大似然估计基本思想
    • 5:53
    • 3. (二)常见分布的极大似然估计
    • 0:15
    • 4. (2.1)正态分布参数的MLE及实例解析
    • 10:28
    • 5. (2.2)Bernoulli分布&二项分布参数的MLE
    • 3:41
    • 6. (2.3)多项分布参数的MLE及词袋模型代码讲解
    • 7:25
    • 7. (三)机器学习模型参数的极大似然估计
    • 0:30
    • 8. (3.1)线性回归模型参数的MLE及案例代码解析
    • 23:36
    • 9. (3.2)Logistic回归模型参数的MLE及案例代码解析
    • 18:52
    • 10. (3.3)朴素贝叶斯模型参数的MLE
    • 6:31
    • 11. (3.4)案例代码解析:新闻文档分类、Titanic
    • 19:08
    • 12. (四)估计的评价
    • 1:26
    • 13. (4.1)估计量的评价标准
    • 3:22
    • 14. (4.2)MLE的性质
    • 7:13
    • 15. (4.3)偏差-方差分解
    • 24:10
    • 16. (4.4)方差估计 及 Bootstrap
    • 9:27
    • 17. (4.5)课后练习
    • 1:02
    • 18. 概率第三讲课后答疑
    • 2:17
    第四章:贝叶斯估计
    • 1. (1.1)参数估计及outline
    • 26:04
    • 2. (2.1) 常见分布的共轭先验
    • 0:53
    • 3. (3.1)岭回归:线性回归的正态先验
    • 12:11
    • 4. (3.2)案例:多项式回归
    • 3:29
    • 5. (3.3) Lasso:线性回归的Laplace先验
    • 4:40
    • 6. (3.4) 案例:波士顿房价预测
    • 5:27
    • 7. (4.1)Logistic回归的正态先验和Laplace先验
    • 4:06
    • 8. (4.2) 案例:蘑菇分类
    • 5:05
    • 9. (4.3) 总结
    • 4:20
    • 10. 概率第四讲课后答疑
    • 7:19

    优惠套餐

    机器学习之数学基础系列
    套餐价:¥799.00
    会员9折
    原价:¥997
    • 【课程类型】技术教程 【难度级别】初级 【适合人群】所有人
    • 【课程介绍】
      本课程讲解机器学习算法所需概率和统计推断知识。概率部分包括概率公理及推论、条件概率、贝叶斯公式、随机变量及其概率函数(CDF/pdf)、常用概率分布及其均值、方差;统计推断部分包括大数定律和中心极限定理、极大似然估计、贝叶斯估计,估计的评价、偏差-方差平衡。课程还会讲解假设检验的基本概念。
    • 【课程目标】
      购买课程后添加小助手为好友(微信ID:superaihelper)加入课程讨论群。理解概率和统计基本概念,会利用合适的概率分布解释机器学习算法原理,运用统计知识求解机器学习模型参数,为后续的机器学习打下扎实的数学基础。
    • 【课程计划】
      (一)随机变量及其分布; (二)多元随机向量及其分布; (三)极大似然估计; (四)贝叶斯估计。

    第一章:随机变量及其分布

    第二章:多元随机向量及其分布

    第三章:极大似然估计

    第四章:贝叶斯估计

    全部评价(7
    好评(3
    中评(1
    差评(3
    讲的后面越来越不清楚,完全是照着读啊。。
    2017-10-17 23:14:09
    可以再差一点吗??
    2017-10-11 04:51:38
    说实话 听到后面越听越死板 你就这样念来讲什么课啊
    这讲的太差了,照本宣科,和自己看课件效果也差不多,我后悔了
    2017-10-02 00:06:02
    能把课程的代码还有习题答案一起放上来吗??!!不得不说有对比就有差距,在这个网站学的另一门课的老师特别负责,这个老师嘛,我没听懂是我自己数学基础不好,可是ppt老出错误,在课上提醒了,也没有改正版,以上个人主观观点。
    2017-09-01 21:45:59
    可以把习题的答案上传上来吗~~~~??
    2017-08-09 15:56:49
    毕业好多年了,忘都差不多了,强烈建议在讲的时候把符号顺带说明一下含义。
    2017-08-03 15:43:27
    为什么不能下载
    2017-07-22 22:57:00
    AI100
    13课程114492学员
    AI100致力于推进人工智能和数据科学领域的人才培养。目标是在 2025 年前为中国培养100万人工智能工程师,200万各行业数据科学专家,帮助30万中国企业走向智能化。
    所属机构:AI100