浙江大学-研究生机器学习课程

最新推荐文章于 2024-05-01 02:54:17 发布
原创 最新推荐文章于 2024-05-01 02:54:17 发布 · 1.1k 阅读 · 3 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#机器学习 #人工智能 #深度学习 #神经网络

这是一份来自浙江大学2017年的研究生机器学习课程资源，由胡老师授权分享。课程涵盖从支持向量机到深度学习的各种主题，包括TensorFlow和Python的应用。课程内容丰富，适合配合《统计学习方法》学习，有助于理解书中未深入讲解的推导。此外，还提供了人工神经网络和深度学习的专题讲解，如卷积神经网络和自编码器。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

浙江大学-研究生机器学习课程

胡老师 巨人之肩的牛顿 今天

收录于话题

#Machine Learning, AI1

#TensorFlow1

#Python1

#浙江大学1

这里推荐个机器学习课程：浙江大学2017年研究生课程之机器学习。我自己看过很多集，特此搬到这里供大家食用。课程的搬运已经得到课程老师胡老师的授权。【可以搭配李航《统计学习方法》一同食用。很多书中没讲清楚的推导，听了胡老师的讲解后恍然大悟】 课程所涉及到的课件和作业以及参考资料均在：www.zjuvipai.com---->teaching页面

 

https://www.bilibili.com/video/BV1dJ411B7gh?p=1

 

图片

 

现在网址打不开，需要资料的朋友，我把原来网址的课件压缩包上传到了网盘上，大家需要自取，链接挂了可以艾特我补档 :D
链接：https://pan.baidu.com/s/1p2JqY27mHpZ5-ivPXoGyQQ
提取码：ugnx

图片

课程目录：图片

第1讲:教科书介绍
第2讲:成绩安排
第3讲:概念介绍
第4讲:这门课的综述内容
第5讲:没有免费午餐定理
第6讲:支持向量机(线性模型)问题
第7讲:支持向量机(现行模型)数学描述
第8讲:支持向量机(线性模型)的图像展示
第9讲:改写优化目标函数和限制条件
第10讲:低维到高维映射
第11讲:原问题和对偶问题
第12讲:支持向量机原问题转化为对偶问题
第13讲:支持向量机-核函数介绍
第14讲:支持向量机的应用-兵王问题(规则介绍)
第15讲:支持向量机的应用-兵王问题(参数设置)
第16讲:支持向量机的应用-兵王问题(测试结果)
第17讲:ROC曲线
第18讲:支持向量机–处理多类问题
第19讲:人工神经网络-神经元的数学模型
第20讲:人工神经网络–感知器算法
第21讲:人工神经网络–人工智能的第一次寒冬
第22讲:人工神经网络–多层神经网络
第23讲:人工神经网络—三层神经网络模拟任意决策面
第24讲:人工神经网络—后向传播算法
第25讲:人工神经网络–参数设置
第26讲:深度学习–数据库准备
第27讲:深度学习–自编码器
第28讲:深度学习–卷积神经网络(LeNet)
第29讲:深度学习–卷积神经网络(AlexNet)
第30讲:深度学习-编程工具(Caffe和Tensorflow)
第31讲:深度学习–近年来流行的网络结构

 

图片

computer19810
关注
【机器学习·浙江大学】机器学习概述、支持向量机SVM（线性模型）
Yaoyao2024的博客
04-07 1738
支持向量机就是最大化margin的方法将直线上下移动所穿过的向量称为：支持向量（support vectors)——为什么呢？因为我们从上文讲到的确定最终直线的方法来看，最大化距离、确定直线，只和这几个穿过的支持向量有关（这也是为什么SVM适合小样本问题）X→1y1X1​y1​X→2y2X2​y2​X→3y3X3​y3​X→NyNXN​yN​X→X是特征向量；
浙江大学SVM(支持向量机)（经典课件）
12-25
浙江大学SVM(支持向量机)（经典课件）讲的很详细，值得看
浙江大学机器学习配套资源（胡老师）.rar
09-09
这是浙江大学胡老师机器学习的相关配套资源，包含 课程PPT 编程大作业 编程作业 课堂笔记 例程 纸质作业 希望能对机器学习爱好者提供便捷的帮助，大家一起加油！
机器学习-浙江大学研究生课程
少年一贯快马扬帆，道阻且长不转弯； 要盛大，要绚烂，要哗然； 要用理想的泰坦尼克，去撞现实的冰川； 要当烧赤壁的风，而非借鉴草船； 要为了一片海，就肯翻万山。
07-09 1207
机器学习-浙江大学研究生课程0 绪论1 支持向量机（Support Vector Machine, SVM）线性模型非线性模型一改写优化目标函数和限制条件低维到高维映射原问题和对偶问题 0 绪论 1 支持向量机（Support Vector Machine, SVM） 支持向量机（Support Vector Machine, SVM）；Vapnik发明的。 线性模型 既然有无数条直线可以分开 o x, 那么那一条直线是最好的？ 非线性模型一改写优化目标函数和限制条件 低维到高维映射
浙大机器学习课程-3-支持向量机（线性模型）
想握住此生辽阔
08-03 531
线性模型问题 对于样本数较少，都能得到较好的结果 20世纪70年代，一个苏联人发明了这个方法 凡是可以用一条直线分开的，我们称为线性可分样本集 如何在线性可分样本集上画一条直线（有无数条直线可以分开，那么哪一条直线最好） 2号线对于误差的容忍度更大一点，跟样本分布有关系 对于任意一条可以分开○和×的线，定义一个性能指标d 推荐书籍：支持向量机导论 数学描述 d：间隔（margin） 支持向量机是一个最大化间隔的方法 直线移动的过程中切到的点（向量）称为支持向量，最后做出来的线只与支持向量有关（能够用
2021-ZJU-Machine-Learning:浙江大学机器学习
03-30
2021-ZJU-机器学习 浙江大学机器学习 课程概述： 2016年，人工智能机器人AlphaGO击败了围棋世界冠军李世石，这场史无前例的“人机大战”将AI引入社会舆论的风口浪尖上。AI是什么？AI对人类有什么作用？扮演怎样的角色？ 要想弄清楚这些问题，就必须了解AI的主要的工作原理-机器学习。这门课程对机器学习这一领域既有全面细致的理论讲解，又有趣味生动的故事串联，还有妙趣横生的程序实践，引导同学们从数学，计算机科学和人文哲学等方面全面地理解AI。 课程中的知识点覆盖全面，尤其是包含其中这一领域的发展，深度学习，增强学习，生成对抗网络，RNN和LSTM，ALPHAGO程序解析等最新的研究内容登上了MOOC的课堂。了十个左右的编程实验，并讲解流行的CAFFE，TENSORFLOW和PYTORCH等流行的深度学习框架，让大家在学习理论的同时亲身实践，体验AI的魅力。 与国外Andrew N
浙江大学人工智能课程课件
11-18
浙江大学人工智能课程课件，内容有： Introduction Problem-solving by search( 4 weeks) Uninformed Search and Informed (Heuristic) Search （1 week） Adversarial Search: Minimax Search, Evaluation Functions, Alpha-Beta Search, Stochastic Search Adversarial Search: Multi-armed bandits, Upper Confidence Bound (UCB),Upper Confidence Bounds on Trees, Monte-Carlo Tree Search(MCTS) Statistical learning and modeling (5 weeks) Probability Theory, Model selection, The curse of Dimensionality, Decision Theory, Information Theory Probability distribution: The Gaussian Distribution， Conditional Gaussian distributions， Marginal Gaussian distributions， Bayes’ theorem for Gaussian variables， Maximum likelihood for the Gaussian， Mixtures of Gaussians, Nonparametric Methods Linear model for regression: Linear basis function models； The Bias-Variance Decomposition Linear model for classification ： Basic Concepts; Discriminant Functions (nonprobabilistic methods); Probabilistic Generative Models; Probabilistic Discriminative Models K-means Clustering and GMM & Expectation–Maximization (EM) algorithm, BoostingThe Course Syllabus Deep Learning (4 weeks) Stochastic Gradient Descent, Backpropagation Feedforward Neural Network Convolutional Neural Networks Recurrent Neural Network (LSTM, GRU) Generative adversarial network (GAN) Deep learning in NLP (word2vec), CV (localization) and VQA(cross-media) Reinforcement learning (1 weeks) Reinforcement learning: introduction
浙江大学机器学习课程辅助材料，胡教授版.rar
07-24
这是浙江大学胡老师机器学习的相关配套资源，包含 课程PPT 编程大作业 编程作业 课堂笔记 例程 纸质作业 希望能对机器学习爱好者提供便捷的帮助，大家一起加油！。内容来源于网络分享，如有侵权请联系我删除。另外...
浙大-胡浩基老师-机器学习课程PPT （全）
最新发布
01-01
浙大-胡浩基老师-机器学习课程是一套全面覆盖机器学习基础理论与实践应用的PPT教材，由浙江大学的胡浩基老师主讲，并在B站平台同步配套公开。这套课程对于那些希望深入了解机器学习原理、算法及其在数据科学中应用的...
浙江大学胡浩基“机器学习”代码_机器学习课程.zip
10-01
浙江大学胡浩基“机器学习”代码_机器学习课程
浙江大学《机器学习》笔记——神经网络(Neural Network)【上】
xuzhengzhe的博客
10-11 1249
写在前面 · 最近在学习《机器学习》. 主要是看浙江大学胡浩基老师的网课，结合周志华老师的西瓜书来学. 为了理清思路和推公式就敲了这样一个读书笔记. 初次学习难免会有错漏，欢迎批评指正. 这份笔记主要用途还是用来自己复习回顾. 当然如果对大家有帮助那就更好了hhh · 注：神经网络这部分的笔记大部分是基于浙大《机器学习》的逻辑进行整理的. 第5章 神经网络(Neural Network) · 神经网络的诞生是集体的智慧 · 近年发展迅速，是目前机器学习领域最火的方向. · 上世纪50-60年代即奠定理.
人工智能与机器学习课件
09-22
人工智能与机器学习课件，浙江大学的
研究生机器学习课件
09-12
研究生期间，机器学习的上课老师自己做的课件，是基于斯坦福Andrew老师的课程的讲解，非常值得学习。
机器学习（浙江大学mooc笔记）
weixin_52220850的博客
08-09 780
第一章：引言机器学习的定义机器学习的分类监督学习强化学习机器学习算法的过程没有免费午餐定理 机器学习的定义 定义1： 机器学习是这样的领域，它赋予计算机学习的能力，（这种学习能力）不是通过显著式编程获得的 显著式编程： 非显著式编程：让计算机自己总结规律的编程方法 机器学习的分类 监督学习 1、按训练数据是否存在标签 1）传统的监督学习 2）非监督学习 3）半监督学习 2、按标签是连续还是离散 1）分类 2）回归 强化学习 机器学习算法的过程 提取特征 机器学习的重点：在已经提取好特征的前提下，如何构造算法
浙江大学《机器学习》MOOC课程笔记 支持向量机SVM（二）
prince75的博客
10-07 596
转化为对偶问题 将SVM的优化问题改造为原问题 为了让改进至目前的SVM的优化问题满足强对偶定理，而原问题中的gi(w)≤0g_i(w)≤0gi​(w)≤0，故首先要将SVM的两个限制条件由≥0≥0≥0进行改造 此时原问题中的 而不等式gi(w)≤0g_i(w)≤0gi​(w)≤0被分成了两部分 由于问题中全为不等式，故不存在hi(w)=0h _i(w)=0hi​(w)=0项。 按照对偶问题的定义将对偶问题写成如下形式： 其中αi,βi\alpha_i,\beta_iαi​,βi​分别是改造两个gi
浙江大学机器学习（胡浩基）学习笔记二：人工神经网络、深度学习
qq_46056318的博客
08-02 1833
它们的参数是互相关联的，可以利用神经网络结构来简化求偏导的计算，用已经计算出的偏导数链式求导法则求出未求出的偏导数。如果问题简单，则神经网络层数与每层神经元个数可以少一些，如果问题复杂，则神经元个数与神经网络层数可以多一些。人工智能模拟的是人类大脑对世界的认识。在现在及可预见的未来，人类无法完全了解人脑的认知机理，计算机与人脑具有完全不同的物理属性与体系结构。定理如果层与层之间的非线性函数是阶跃函数，则三层神经网络可以模拟任何决策面。它从输出往输入推，先计算离输出较近的偏导数，再计算离输出较远的偏导数。..
浙江大学机器学习（胡浩基）课程学习笔记一：概述与支持向量机
qq_46056318的博客
07-29 2516
机器学习一个计算机程序被称为可以学习，是指它能够针对某个任务T和某个性能指标P，从经验E中学习。这种学习的特点是，它在T上的被P所衡量的性能，会随着经验E的增加而提高。（较之定义一更数学化）任何一个预测函数，如果在一些训练样本上表现好，那么必然在另一些训练样本上表现不好，如果不对数据在特征空间的先验分布有一定的假设，那么表现好与表现不好的情况一样多。如果原问题的目标函数是凸函数，限制函数为线性函数，则f(ω*)=θ(α*，β*)SVM是先解决线性可分的问题，然后将线性可分的结论推广到线性不可分中。...
【引言】浙大机器学习课程记录
2401_84434880的博客
05-01 436
整理面试题，不是让大家去只刷面试题，而是熟悉目前实际面试中常见的考察方式和知识点，做到心中有数，也可以用来自查及完善知识体系。开源分享：【大厂前端面试题解析+核心总结学习笔记+真实项目实战+最新讲解视频】《前端基础面试题》，《前端校招面试题精编解析大全》，《前端面试题宝典》，《前端面试题：常用算法》大厂前端面试题解析+核心总结学习笔记+真实项目实战+最新讲解视频】](https://bbs.youkuaiyun.com/topics/618166371)**
浙江大学机器学习第二章人工神经网络
不负如来不负卿
01-14 422
人工神经网络人工神经网络发展史模型理解MP模型模型结构模型数学理解hopfield神经网络脉冲神经网络感知器算法训练样本向量化表达向量化的感知器算法感知器算法的收敛定理感知器的收敛定理证明 人工神经网络发展史 模型理解最简单是从MP模型开始， 模型理解 MP模型 模型结构 mp模型是指有一串输入，经过神经元加权求和，然后通过激活函数得到最终的输出结果y。 模型数学理解 从模型结构来看，输出的结果y可以数学表达式如下： y=sigmod(f(x))=sigmod(w∗x+b)y=sigmod(f(x))=
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值