第2課 數理統計與引數估計
第3課 線性代數
第4課 凸優化
第5課 回歸
第6課 梯度下降演算法剖析
第7課 最大熵模型
第8課 pca、svd、lda（linear discriminant analysis）
第9課 聚類
第10課 決策樹和隨機森林
第11課 adaboost
第12課 svm
第13課 貝葉斯網路
第14課 em演算法
第15課 主題模型
第16課 取樣與變分
第17課 隱馬爾科夫模型hmm
第18課 條件隨機場crf
第19課 cnn、rnn、深度學習
第20次課 待定。所以第20次課你想聽什麼呢，歡迎到這裡反饋給我們：
主講老師
機器學習需要這些數學知識
放假在家想寫寫機器學習系列的文章，除夕前先來開個頭，後面會一直寫下去，搞機器學習演算法也有一年多了，體會多少還是有一些的，這裡記錄在部落格中，一來為自己後面的面試做點儲備，二來是為了分享，因為很多都是從大家的部落格中去學習的，所以這裡也要將我理解的新的內容反饋出來，大家一起學習進步。數學在計算機中的...
機器學習 數學 機器學習涉及的數學知識
簡單總結 機器學習涉及的數學知識有 線性代數，概率論和統計學，多變數微積分，演算法和複雜優化，以及其他等。原文 在過去幾個月裡，有幾個人聯絡過我，說他們渴望進軍資料科學領域，使用機器學習 ml 技術探索統計規律，並打造資料驅動的完美產品。但是，據我觀察，一些人缺乏必要的數學直覺和框架，無法獲得有用的...
入門機器學習到底需要多少數學知識
還記得上個月的時候，準備學習機器學習的知識，想著線性回歸模型較簡單一些，那就從它開始吧。可是仔細一看裡面的知識包括矩陣 極大似然函式 求導等方面的知識，這些知識也只是大學的時候學習的，現在也早已還給了老師。於是開始搜尋入門機器學習需要哪些數學知識，應該怎麼去學，搜尋的結果表明，概率論統計 線性代數 ...