机器学习基础教程

机器学习基础教程，包含基本的机器学习相关算法，是很好的入门课程。

七月算法 北邮 邹博老师主讲

课程目录：

01 微积分与概率论基础
02 参数估计与矩阵运算基础
03 凸优化基础
04  广义线性回归和对偶优化
05 牛顿、拟牛顿、梯度下降、随机梯度下降(SGD)
06 熵、最大熵模型MaxEnt、改进的迭代尺度法IIS
07 聚类（k-means、层次聚类、谱聚类等）
08 K近邻、决策树、随机森林(random decision forests)
09 Adaboost
10 朴素贝叶斯、与贝叶斯网络
11 支持向量机（最大间隔分类、拉格朗日乘值、对偶问题、损失函数、最优化理论、SMO）
12 EM、混合高斯模型
12 衣服推荐系统
13 主题模型（概率潜语义分析PLSA、隐含狄利克雷分布LDA）
14.15 马尔科夫链、隐马尔可夫模型HMM、采样
16 马尔可夫随机场(Markov Random Field)、条件随机场CRF
17 SVD、主成分分析PCA、因子分析、独立成分分析ICA
18 卷积神经网络(CNN)、深度学习浅析
19 变分推断方法
20 知识图谱

21 讲义资料

获取文件下载链接方式：关注微信公众号“深度学习算法社区”