您的位置 首页 升学·考研

机器学习(全61讲)周志华版【理工学社】视频教程_Nodes,图形编程,编程开发

汇编语言程序设计(全33讲)【理工学社】视频教程

汇编语言程序设计(全33讲)【理工学社】 本课程为清华大学教授讲述 第1章 汇编语言基础知识 01-01 汇编语言与计算机系统结构 01-02 汇编基础知识——指令集综述 01-0…

选择班级 基础一班

01

课程概论

02

支持向量机

03

支持向量机(续)

04

人工神经网络

05

深度学习

06

普通物理学-电磁学(全68讲)【理工学社】视频教程_PDF Replacer Pro,文字处理,文本替换

普通物理学-电磁学(全68讲)【理工学社】 要成功完成本课程的学习,学生需要到达: 1)掌握电荷和电流产生的电场和磁场的基本公式和计算。 2) 理解和解释电荷和电流密度(…

Nodes(编程作图软件)是一款非常好用的编程开发软件,它的页面简洁,功能强大, 从自上而下或自下而上开始,边走边完善,有了 Nodes,编程感觉就像在画布上画草图,感兴趣的朋友不要错过了欢迎大家下载

强化学习

07

传统的机器学习-主成分分析

08

传统的机器学习—K-均值聚类与高斯混合模型

09

传统的机器学习—K-均值聚类与高斯混合模型(续)

10

传统的机器学习-人工智能中的哲学

预备知识
微积分、线性代数、一门高级编程语言

课程大纲

01课程概论
理解机器学习的主要概念、研究的核心、研究方法以及问题的边界,理解学习本课程后能做什么。
课时
1.1 机器学习定义
1.2 机器学习任务的分类
1.3 机器学习算法的过程
1.4 没有免费午餐定理
1.5 学习完这门课后,我们能够做什么?

02支持向量机
理解支持向量机算法的理论,掌握基于LIBSVM的支持向量机分类问题程序设计,了解评价机器学习算法好坏的标准。
课时
2.1 支持向量机(线性可分定义)
2.2 支持向量机(问题描述)
2.3 支持向量机(优化问题)
2.4 支持向量机(线性不可分情况)
2.5 支持向量机(低维到高维的映射)
2.6 支持向量机(核函数的定义)
2.7 支持向量机(原问题和对偶问题)
2.8 支持向量机(转化对偶问题)
2.9 支持向量机(算法总体流程)
2.10 支持向量机(兵王问题描述)
2.11 支持向量机(兵王问题 程序描述设计)
2.12 支持向量机(兵王问题MATLAB程序)
2.13 识别系统的性能度量
2.14 支持向量机(多类情况)

03人工神经网络
了解人工神经网络的历史发展,理解感知器算法、多层神经网络的后向传播算法,掌握基于人工神经网络分类问题的程序设计。
课时
3.1 人工神经网络(神经元的数学模型)
3.2 人工神经网络(感知器算法)
3.3 人工神经网络(感知器算法的意义)
3.4 人工神经网络(人工神经网络的第一次寒冬)
3.5 人工神经网络(三层神经网络可以模拟的任意非线性函数)
3.6 人工神经网络(梯度下降法)
3.7 人工神经网络(后向传播算法)上
3.8 人工神经网络(后向传播算法)下
3.9 人工神经网络(后向传播算法应用中的问题)
3.10 人工神经网络(兵王问题的MATLAB程序)
3.11 人工神经网络(参数设置中更深入的问题)

04深度学习
了解深度学习的历史发展,理解自动编码器、卷积神经网络等基础的深度学习算法,理解目标检测和分割、生成对抗网络、RNN和LSTM等具体领域的常用深度学习模型,能够运用CAFFE、TENSORFLOW和PYTORCH等深度学习框架开发具体的深度学习算法。
课时
4.1 深度学习(历史发展)
4.2 深度学习(自编码器)
4.3 深度学习(卷积神经网络LENET)
4.4 深度学习(卷积神经网络ALEXNET)
4.5 深度学习的编程工具Tensorflow
4.6 深度学习的编程工具CAFFE
4.7 深度学习(近年来流行的卷积神经网络)
4.8 目标检测与分割上
4.9 目标检测与分割下
4.10 时间序列的深度学习模型(RNN和LSTM)

05强化学习
了解强化学习的基本算法:Q-Learning,epsilon-greedy算法,深度强化学习(DQN)算法,policy gradient 和 actor-critic算法。了解强化学习和深度学习在ALPHAGO围棋程序中的应用。
课时
5.1 强化学习(Q-Learning和epsilon-greedy算法)
5.2 强化学习(深度强化学习)
5.3 强化学习 (policy gradient 和 actor-critic算法)
5.4 强化学习 (AlphaGo 上)
5.5 强化学习 (AlphaGo 下)

06传统的机器学习
理解三种传统的非监督学习算法,主成分分析,K-均值聚类和高斯混合模型,了解人工智能的哲学知识。
课时
6.1 主成分分析
6.2 K-均值聚类
6.3 高斯混合模型
6.4 人工智能中的哲学

计算机专业课-Delphi程序设计(全24讲)【理工学社】视频教程

计算机专业课-Delphi程序设计(全24讲)【理工学社】 本课程是软件开发与应用专业信息系统开发方向的一门专业核心课。通过本课程的学习,使学生掌握面向对象的Pascal语言的语法…

关于作者: 791650988

热门文章