机器学习 (台大李宏毅)

机器学习 (台大李宏毅)

神经网络机器学习有监督无监督

深受好评的台大李宏毅老师讲述的机器学习课程,该课程也是此类教程中非常难得使用中文授课的一门,外语不好的小伙伴儿们有福啦。课程以深度学习为主轴,强调实战性。除了基础知识和算法的讲解,还包含各种相关前沿技术的解读,课程中涉及到的项目都非常新,与时俱进。 李老师讲课注重对基本原理的深入浅出,风趣幽默,举重若轻,常常引用动漫形象进行原理的类比解说,实在是机器学习教程里的一股清流哇~

共35课时1天3小时17分6秒

统计机器学习

统计机器学习

机器学习统计概率

统计学习是关于计算机基于数据构建的概率统计模型并运用模型对数据进行预测和分析的一门科学,统计学习也成为统计机器学习。

共41课时1天47分24秒

直播回放:高性能 i.MX RT 处理器助力智能节点无需联网实现机器学习

直播回放:高性能 i.MX RT 处理器助力智能节点无需联网实现机器学习

NXP处理器人工智能恩智浦

机器学习技术是实现人工智能的首选方案。此次研讨会中,我们介绍恩智浦 i.MX RT 跨界处理器支持机器学习的多项优势,这些优势使得在节点本地引入机器学习变得顺理成章和游刃有余。 随后,基于物体识别和关键词检测的实例,我们还将在本次研讨会中展示在 i.MX RT 上部署和运行机器学习模型的全过程,以及机器学习模块与系统整体的集成。

共2课时35分0秒

机器学习导论

机器学习导论

机器学习上海交大张志华

机器学习的目标是对计算机编程,以便使用样本数据或以往的经验来解决给定的问题。已经有许多机器学习的成功应用,包括分析以往销售数据来预测客户行为,人脸识别或语音识别,优化机器人行为以便使用最少的资源来完成任务,以及从生物信息数据中提取知识的各种系统。为了对机器学习问题和解进行统一的论述,《机器学习导论》讨论了机器学习在统计学、模式识别、神经网络。人工智能、信号处理、控制和数据挖掘等不同领域的应用。

共42课时1天4小时6分25秒

机器学习贝尔实验室黄大威

机器学习贝尔实验室黄大威

机器学习聚类有监督无监督

机器学习是研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构使之不断改善自身的性能。

共46课时15小时18分45秒

机器学习 吴恩达

机器学习 吴恩达

机器学习MLmachine learning

此课程将广泛介绍机器学习、数据挖掘与统计模式识别的知识。主题包括:(i) 监督学习(参数/非参数算法、支持向量机、内核、神经网络)。(ii) 非监督学习(聚类、降维、推荐系统、深度学习)。(iii) 机器学习的优秀案例(偏差/方差理论;机器学习和人工智能的创新过程)课程将拮取案例研究与应用,学习如何将学习算法应用到智能机器人(观感,控制)、文字理解(网页搜索,防垃圾邮件)、计算机视觉、医学信息学、音频、数据挖掘及其他领域上。

共113课时19小时28分58秒

机器学习基石

机器学习基石

机器学习林轩田

介绍各领域中的机器学习使用者都应该知道的基础算法、理论及实用工具

共65课时15小时29分53秒

机器学习技法

机器学习技法

机器学习林轩田

线性支持向量机、对偶支持向量机、核型支持向量机、软式支持向量机、核逻辑回归、支持向量回归

共65课时16小时4分32秒

机器学习深入研究

机器学习深入研究

神经网络机器学习贝叶斯聚类

(01)机器学习与相关数学初步 (02)数理统计与参数估计 (03)矩阵分析与应用 (04)凸优化初步 (05)回归分析与工程应用 (06)特征工程 (07)工作流程与模型调优 (08)最大熵模型与EM算法 (09)推荐系统与应用 (10)聚类算法与应用 (11)决策树随机森林和adaboost (12)SVM (13)贝叶斯方法 (14)主题模型 (15)贝叶斯推理采样与变分 (16)人工神经网络 (17)卷积神经网络 (18)循环神经网络与LSTM (19)Caffe&Tensor Flow&MxNet 简介 (20)贝叶斯网络和HMM (额外补充)词嵌入word embedding

共21课时1天22小时12分36秒

Python机器学习应用

Python机器学习应用

Python机器学习有监督学习无监督学习

(1)理解机器学习,通过介绍机器学习的基本问题(分类、聚类、回归、降维)介绍经典算法; (2)Python第三方库sklearn(scikit-learn),讲解应用机器学习算法快速解决实际问题的方法。

共27课时3小时17分52秒

About Us 关于我们 客户服务 联系方式 器件索引 网站地图 最新更新 手机版 版权声明

站点相关: 汽车电子 智能硬件

北京市海淀区知春路23号集成电路设计园量子银座1305 电话:(010)82350740 邮编:100191

电子工程世界版权所有 京ICP证060456号 京ICP备10001474号 电信业务审批[2006]字第258号函 京公海网安备110108001534 Copyright © 2005-2018 EEWORLD.com.cn, Inc. All rights reserved