欢迎来到在线教学平台
问题答疑
首页
全部课程
公开课
云课直播
新闻公告
数图资源
智汇大讲堂
更多
首页
全部课程
公开课
云课直播
新闻公告
数图资源
智汇大讲堂
教师登录
学生登录
首页
全部课程
公开课
云课直播
新闻公告
数图资源
智汇大讲堂
教师登录
学生登录
首页 - 课程列表 - 课程详情
返回
机器学习与人工智能_浙江大学
课程类型：
选修课
发布时间：
2024-11-27 11:30:25
主讲教师：
课程来源：
建议学分：
0.00分
课程编码：
mk004986
课程介绍
课程目录
教师团队
{1}--第一讲 机器学习简介
[1.1.1]--1.1 机器学习简介.mp4
（9分钟）
[1.2.1]--1.2 人工智能.mp4
（6分钟）
[1.3.1]--1.3 学习的类型.mp4
（7分钟）
[1.4.1]--1.4 R语言简介.mp4
（28分钟）
[1.5.1]--1.5 机器学习的类型.mp4
（13分钟）
{2}--第三讲 回归分析
[2.1.1]--3.1 线性回归.mp4
（8分钟）
[2.2.1]--3.2 多项式回归.mp4
（7分钟）
[2.3.1]--3.3 样条回归.mp4
（11分钟）
[2.4.1]--3.4 局部回归.mp4
（7分钟）
[2.5.1]--3.5 广义加性模型.mp4
（4分钟）
{3}--第二讲 机器学习的评估方法
[3.1.1]--2.1 监督学习的评价.mp4
（12分钟）
[3.2.1]--2.2 不均衡数据预测的评估方法.mp4
（18分钟）
{4}--第四讲 回归方法
[4.1.1]--4.1 逻辑斯蒂回归.mp4
（9分钟）
[4.2.1]--4.2 判别分类.mp4
（7分钟）
[4.3.1]--4.3 K最近邻分类.mp4
（5分钟）
[4.4.1]--4.4 回归树.mp4
（11分钟）
[4.5.1]--4.5 分类树.mp4
（6分钟）
[4.6.1]--4.6 Bagging分类.mp4
（7分钟）
[4.7.1]--4.7 随机森林.mp4
（5分钟）
[4.8.1]--4.8 AdaBoost.mp4
（4分钟）
{5}--第五讲 支持向量机
[5.1.1]--5.1 支持向量机1.mp4
（13分钟）
[5.2.1]--5.2 支持向量机2.mp4
（6分钟）
{6}--第六讲 决策树
[6.1.1]--6.1 数据的表示.mp4
（7分钟）
[6.2.1]--6.2 决策树.mp4
（9分钟）
[6.3.1]--6.3 过拟合.mp4
（9分钟）
[6.4.1]--6.4 决策树模型实例演示.mp4
（16分钟）
{7}--第七讲 合奏学习
[7.1.1]--7.1 合奏学习原理.mp4
（10分钟）
[7.2.1]--7.2 装袋算法.mp4
（8分钟）
[7.3.1]--7.3 Boosting的基本原理.mp4
（7分钟）
[7.4.1]--7.4 Boosting算法.mp4
（14分钟）
[7.5.1]--7.5 Boosting算法的应用.mp4
（10分钟）
[7.6.1]--7.6 R语言训练合奏学习模型.mp4
（13分钟）
{8}--第八讲 正则化方法
[8.1.1]--8.1 正则化方法原理.mp4
（14分钟）
[8.2.1]--8.2 正则化方法.mp4
（17分钟）
{9}--第九讲 人工神经网络
[9.1.1]--9.1 神经网络简介与神经元.mp4
（7分钟）
[9.2.1]--9.2 感知器.mp4
（6分钟）
[9.3.1]--9.3 神经网络模型.mp4
（7分钟）
[9.4.1]--9.4 激活函数和代价函数.mp4
（8分钟）
[9.5.1]--9.5 梯度下降法和反向传播算法.mp4
（14分钟）
{10}--第十一讲 聚类分析
[10.1.1]--11.1 无监督学习原理.mp4
（10分钟）
[10.2.1]--11.2 K均值聚类算法.mp4
（11分钟）
[10.3.1]--11.3 K均值算法的问题.mp4
（7分钟）
[10.4.1]--11.4 基于混合模型的聚类.mp4
（8分钟）
[10.5.1]--11.5 EM算法理论.mp4
（11分钟）
[10.6.1]--11.6 用R语言做聚类分析.mp4
（17分钟）
{11}--第十讲 深度学习
[11.1.1]--10.1 深度神经网络.mp4
（16分钟）
[11.2.1]--10.2 卷积神经网络.mp4
（19分钟）
京公网安备 11011502004263