机器学习 浙江大学

浙江大学 机器学习课程

• 课时1：教科书介绍 (6分31秒)

• 课时2：成绩安排 (17分44秒)

• 课时3：这门课程的内容概述 (17分36秒)

• 课时4：概念介绍 (10分20秒)

• 课时5：没有免费午餐定理 (20分41秒)

• 课时6：支持向量机（线性模型）问题 (20分4秒)

• 课时7：支持向量机（线性模型）数学描述 (38分28秒)

• 课时8：支持向量机（线性模型）的图像展示 (1分33秒)

• 课时9：支持向量机非线性模型优化目标函数和限制条件 (11分29秒)

• 课时10：支持向量机（非线性模型） 低维到高维映射 (28分28秒)

• 课时11：支持向量机（非线性模型）原问题和对偶问题 (30分51秒)

• 课时12：支持向量机 将支持向量机原问题转化为对偶问题 (57分33秒)

• 课时13：支持向量机 – 核函数介绍 (7分36秒)

• 课时14：支持向量机的应用 兵王问题 (10分44秒)

• 课时15：支持向量机的应用 – 兵王问题 (31分51秒)

• 课时16：支持向量机的应用 – 兵王问题 （测试结果） (4分23秒)

• 课时17：ROC曲线 (18分19秒)

• 课时18：支持向量机 – 处理多类问题 (11分58秒)

• 课时19：人工神经网络 – 神经元的数学模型 (17分27秒)

• 课时20：人工神经网络 – 感知器算法 (38分58秒)

• 课时21：人工神经网络 – 人工智能的第一次寒冬 (15分7秒)

• 课时22：人工神经网络 – 多层神经网络 (11分44秒)

• 课时23：人工神经网络—三层神经网络可以模拟任意决策面 (15分54秒)

• 课时24：人工神经网络—后向传播算法 (1小时29分55秒)

• 课时25：人工神经网络 – 参数设置 (1小时22分15秒)

• 课时26：深度学习数据库准备 (17分59秒)

• 课时27：深度学习自编码器 (23分42秒)

• 课时28：深度学习 卷积神经网络LeNet (1小时18分45秒)

• 课时29：深度学习 – 卷积神经网络（AlexNet） (39分22秒)

• 课时30：深度学习 – 编程工具（Caffe和Tensorflow） (29分32秒)

• 课时31：深度学习 – 近年来流行的网络结构 (19分5秒)

• 课时32：深度学习 – 卷积神经网络的应用 (18分40秒)

• 课时33：AlphaGo围棋规则 (16分56秒)

• 课时34：AlphaGo 围棋有必胜策略的证明 (8分58秒)

• 课时35：强化学习Q learning (1小时18分8秒)

• 课时36：强化学习policy gradience (19分23秒)

• 课时37：增强学习 AlphaGo (23分25秒)

• 课时38：特征提取 – 主成分分析（PCA） (1小时13分4秒)

• 课时39：特征选择 – 自适应提升（AdaBoost） (1小时11分15秒)

• 课时40：目标检测 （RCNN和FCN） (57分25秒)

• 课时41：概率分类法概述 (19分54秒)

• 课时42：概率密度估计 – 朴素贝叶斯分类器 (16分40秒)

• 课时43：概率密度估计 – 高斯密度函数 (31分6秒)

• 课时44：概率密度估计 – 高斯混合模型 (3分47秒)

• 课时45：EM算法（高斯混合模型和K 均值算法） (48分44秒)

• 课时46：K 均值算法在图像压缩方面的应用 (5分16秒)

• 课时47：高斯混合模型在说话人识别方面的应用 (23分49秒)

• 课时48：EM算法一般形式及其收敛性证明 (39分24秒)

• 课时49：语音识别概述 (7分27秒)

• 课时50：隐含马尔科夫过程 (1小时29分0秒)

• 课时51：大词汇量连续语音识别介绍 (35分15秒)

• 课时52：循环神经网络（RNN）和LSTM (39分41秒)

• 课时53：人工智能中的哲学 缸中之脑 (9分5秒)

• 课时54：人工智能中的哲学 意识问题 (13分4秒)

• 课时55：人工智能中的哲学 图灵测试 (4分17秒)

• 课时56：人工智能中的哲学 世界是否有规律 (5分38秒)

• 课时57：人工智能中的哲学 中文屋子假想试验 (7分3秒)

• 课时58：人工智能中的哲学 创造力和洞穴理论 (14分0秒)

• 课时59：人工智能中的哲学 生成对抗网络 (15分41秒)

• 课时60：人工智能中的哲学 道德难题 (9分37秒)

• 课时61：人工智能中的哲学未来展望 (4分58秒)