机器学习高手全解最新扛鼎制作 凝聚汗水的白板推导 机器学习纯手工教学实战课程




    机器学习高手最新扛鼎制作课程的最大优势，就是还原了课堂上课的真实感觉，加之讲师一流的技术水平以及清晰的逻辑和推导能力，让机器学习这个本身就难啃的硬骨头，软了不少。课程内容对机器学习进行了非常详细的拆解，除了常规的内容，还进行了包括高斯混合模型GMM，隐马尔可夫模型，变分推断，线性动态系统-卡曼滤波，受限玻尔兹曼机RBM，前馈神经网络等等前置的课程。如果觉得一般课程有难度的同学，可以来试试白板推导系列的课程，一定会有不一样的体验。
===============课程目录===============
(1)\机器学习-白板推导系列（10）-EM算法；目录中文件数:6个
├─EM算法（1）-EM算法公式以及算法收敛性证明.flv
├─EM算法（2）-EM算法公式导出之ELBO-KL Diver.flv
├─EM算法（3）-EM算法公式导出之ELBO-Jensen I.flv
├─EM算法（4）-EM算法再回首.flv
├─EM算法（5）-广义EM.flv
├─EM算法（6）-EM变种.flv
(2)\机器学习-白板推导系列（11）-高斯混合模型GMM；目录中文件数:4个
├─高斯混合模型（1）-模型介绍.flv
├─高斯混合模型（2）-极大似然.flv
├─高斯混合模型（3）-EM求解-E-Ste.flv
├─高斯混合模型（4）-EM求解-M-Ste.flv
(3)\机器学习-白板推导系列（12）-变分推断；目录中文件数:5个
├─变分推断1（背景介绍）.flv
├─变分推断2（公式推导).flv
├─变分推断3（再回首).flv
├─变分推断4（随机梯度变分推断-SGVI-1).flv
├─变分推断5（随机梯度变分推断-SGVI-2).flv
(4)\机器学习-白板推导系列（13）-MCMC；目录中文件数:8个
├─蒙特卡洛方法1.flv
├─蒙特卡洛方法2.flv
├─蒙特卡洛方法3.flv
├─蒙特卡洛方法4.flv
├─蒙特卡洛方法5-吉布斯采样.flv
├─蒙特卡洛方法6.flv
├─蒙特卡洛方法7.flv
├─蒙特卡洛方法8.flv
(5)\机器学习-白板推导系列（14）-隐马尔可夫模型；目录中文件数:8个
├─隐马尔可夫模型HMM（1）-背景介绍.flv
├─隐马尔可夫模型HMM（2）-背景介绍.flv
├─隐马尔可夫模型HMM（3）-前向算法.flv
├─隐马尔可夫模型HMM（4）-后向算法.flv
├─隐马尔可夫模型HMM（5）-Baum Welch算法.flv
├─隐马尔可夫模型HMM（6）-维特比算法.flv
├─隐马尔可夫模型HMM（7）-小结.flv
├─隐马尔可夫模型HMM（8）-小结.flv
(6)\机器学习-白板推导系列（15）-线性动态系统-卡曼滤波；目录中文件数:3个
├─线性动态系统1-KalmanFilter.flv
├─线性动态系统2-Filtering问题.flv
├─线性动态系统3-Filtering问题求解.flv
(7)\机器学习-白板推导系列（16）-粒子滤波；目录中文件数:4个
├─粒子滤波1-背景介绍.flv
├─粒子滤波2-重要性采样.flv
├─粒子滤波3-重采样.flv
├─粒子滤波4-SIR Filter.flv
(8)\机器学习-白板推导系列（17）-条件随机场CRF；目录中文件数:8个
├─条件随机场（1）-背景介绍.flv
├─条件随机场（2）-HMM VS MEM.flv
├─条件随机场（3）-MEMM VS CR.flv
├─条件随机场（4）-CRF模型-概率密度.flv
├─条件随机场（5）-CRF模型-概率密度.flv
├─条件随机场（6）-CRF模型-要解决的.flv
├─条件随机场（7）-CRF模型-Infe.flv
├─条件随机场（8）-CRF模型-Lear.flv
(9)\机器学习-白板推导系列（18）-高斯网络；目录中文件数:3个
├─高斯网络（1）-总体介绍.flv
├─高斯网络（2）-高斯贝叶斯网络.flv
├─高斯网络（3）-高斯马尔科夫随机场.flv
(10)\机器学习-白板推导系列（19）-贝叶斯线性回归；目录中文件数:5个
├─贝叶斯线性回归（1）-背景介绍.flv
├─贝叶斯线性回归（2）-推导介绍.flv
├─贝叶斯线性回归（3）-推导介绍.flv
├─贝叶斯线性回归（4）-推导预测.flv
├─贝叶斯线性回归（5）-小结.flv
(11)\机器学习-白板推导系列（1）-开篇；目录中文件数:2个
├─开篇（1）-频率派VS贝叶斯派.flv
├─开篇（2）-学习资料介绍.flv
(12)\机器学习-白板推导系列（20）-高斯过程GP；目录中文件数:4个
├─高斯过程GP（1）-简单介绍.flv
├─高斯过程GP（2）-权重空间角度.flv
├─高斯过程GP（3）-权重空间到函数空间.flv
├─高斯过程GP（4）-函数空间的角度.flv
(13)\机器学习-白板推导系列（21）-受限玻尔兹曼机RBM；目录中文件数:6个
├─受限玻尔兹曼机RBM（1）-背景介绍.flv
├─受限玻尔兹曼机RBM（2）-背景介绍.flv
├─受限玻尔兹曼机RBM（3）-模型表示.flv
├─受限玻尔兹曼机RBM（4）-模型表示.flv
├─受限玻尔兹曼机RBM（5）-模型推断.flv
├─受限玻尔兹曼机RBM（6）-模型推断.flv
(14)\机器学习-白板推导系列（22）-谱聚类；目录中文件数:5个
├─谱聚类（1）-背景介绍.flv
├─谱聚类（2）-模型介绍.flv
├─谱聚类（3）-模型的矩阵形式.flv
├─谱聚类（4）-模型的矩阵形式.flv
├─谱聚类（5）-模型的矩阵形式.flv
(15)\机器学习-白板推导系列（23）-前馈神经网络；目录中文件数:3个
├─前馈神经网络（1）-从机器学习到深度学习.flv
├─前馈神经网络（2）-从感知机到深度学习.flv
├─前馈神经网络（3）-非线性问题的三种解决方法.flv
(16)\机器学习-白板推导系列（2）-数学基础；目录中文件数:7个
├─数学基础（1）-高斯分布-极大似然估计.flv
├─数学基础（2）-高斯分布-极大似然估计（无偏估计VS有偏估计）).flv
├─数学基础（3）-高斯分布-从概率密度函数角度观察.flv
├─数学基础（4）-高斯分布-局限性.flv
├─数学基础（5）-高斯分布-已知联合概率求边缘概率及条件概率.flv
├─数学基础（6）-高斯分布-已知边缘和条件概率求联合概率分布.flv
├─数学基础（7）-不等式-杰森不等式.flv
(17)\机器学习-白板推导系列（3）-线性回归；目录中文件数:4个
├─线性回归1（最小二乘法及其几何意义）).flv
├─线性回归2（最小二乘法-概率视角-高斯噪声-MLE）).flv
├─线性回归3（正则化-岭回归）).flv
├─线性回归4（正则化-岭回归-概率角度-高斯噪声高斯先验-MAP）.flv
(18)\机器学习-白板推导系列（4）-线性分类；目录中文件数:9个
├─线性分类1-背景.flv
├─线性分类2-感知机（Perceptron).flv
├─线性分类3-线性判别分析（Fisher判别分析）-模型.flv
├─线性分类4-线性判别分析（Fisher判别分析）-模型.flv
├─线性分类5-逻辑回归.flv
├─线性分类6-高斯判别分析.flv
├─线性分类7-高斯判别分析.flv
├─线性分类8-高斯判别分析.flv
├─线性分类9-朴素贝叶斯分类器.flv
(19)\机器学习-白板推导系列（5）-降维；目录中文件数:6个
├─降维1-背景介绍.flv
├─降维2-样本均值&样本方差的矩阵表示.flv
├─降维3-主成分分析（PCA）-最大投影方差角度.flv
├─降维4-主成分分析（PCA）-最小重构代价角度.flv
├─降维5-主成分分析（PCA）-SVD角度.flv
├─降维6-主成分分析（PCA）-概率角度.flv
(20)\机器学习-白板推导系列（6）-支持向量机SVM；目录中文件数:9个
├─支持向量机1-硬间隔SVM-模型定义.flv
├─支持向量机2-硬间隔SVM-模型求解.flv
├─支持向量机3-硬间隔SVM-模型求解.flv
├─支持向量机4-软间隔SVM-模型定义.flv
├─支持向量机5-约束优化问题-弱对偶性证明.flv
├─支持向量机6-约束优化问题-对偶关系的几何解.flv
├─支持向量机7-约束优化问题-对偶关系之sla.flv
├─支持向量机8-约束优化问题-对偶关系之KKT.flv
├─支持向量机9-备份.flv
(21)\机器学习-白板推导系列（7）-核方法；目录中文件数:4个
├─核方法（1）-背景介绍.flv
├─核方法（2）-正定核的两个定义.flv
├─核方法（3）-正定核充要条件-必要性证明.flv
├─核方法（4）-备份.flv
(22)\机器学习-白板推导系列（8）-指数族分布；目录中文件数:7个
├─指数族分布1-背景.flv
├─指数族分布2-背景.flv
├─指数族分布3-高斯分布的指数族形式.flv
├─指数族分布4-对数配分函数与充分统.flv
├─指数族分布5-极大似然估计与充分统.flv
├─指数族分布6-最大熵角度.flv
├─指数族分布7-最大熵角度.flv
(23)\机器学习-白板推导系列（9）-概率图模型基础；目录中文件数:15个
├─概率图模型1-背景介绍.flv
├─概率图模型10-推断.flv
├─概率图模型11-推断.flv
├─概率图模型12-推断.flv
├─概率图模型13-推断.flv
├─概率图模型14-概念补充-道德图.flv
├─概率图模型15-概念补充-因子图.flv
├─概率图模型2-贝叶斯网络-Representation-条件独立性.flv
├─概率图模型3（补充解释）-贝叶斯网络-Representation-条件独立性).flv
├─概率图模型4-贝叶斯网络.flv
├─概率图模型5-贝叶斯网络.flv
├─概率图模型6-马尔可夫随机场.flv
├─概率图模型7-马尔可夫随机场.flv
├─概率图模型8-推断Inference.flv
├─概率图模型9-推断.flv