| 课程目录:
1.第1课 机器学习中的微分与矩阵
2.第2课 概率与凸优化
3.第3课 回归问题与应用
4.第4课 决策树、随机森林
5.第5课 SVM
6.第6课 最大熵与EM算法
7.第7课 机器学习中的特征工程处理
8.第8课 多算法组合与模型最优化
9.第9课 sklearn与机器学习实战
10.第10课 高级工具xgboost_lightGBM与建模实战
11.第11课 用户画像与推荐系统
12.第12课 聚类
13.第13课 聚类与推荐系统实战
14.第14课 贝叶斯网络
15.第15课 隐马尔科夫模型HMM
16.第16课 主题模型
17.第17课 神经网络初步
18.第18课 卷积神经网络与计算机视觉
19.第19课 循环神经网络与自然语言处理
20.第20课 深度学习实践 |
