最新公告
  • 欢迎您光临666资源站,本站收集各种优质it资源共享下载,专注精品资源,持续更新,给用户提供优质的服务和体验
  • 贪心学院-机器学习高级训练营|资料齐全|完结无秘

    贪心学院-机器学习高级训练营|资料齐全|完结无秘 最后编辑:2021-09-25
    资源介绍: 网盘在线学习 一手资源 包更新 资料齐全超清画质mp4格式

    9月21更新 资料

    机器学习技术是整个AI的基础,对机器学习的理解以及深度决定了在AI领域能够走多远。机器学习看似简单,但它是一门博大精深的学科。在这门课程中,我们将传授给大家机器学习领域最为重要的几个技术,包括最近特别流行的图神经网络,在原有第一版的基础上做了大幅度的更新,包括内容的增加、开放式项目的安排。 在课程中,我们由浅入深的讲清楚每一个核心的细节以及前沿的技术、同时你将有机会参与到课题中,并通过课题来增加对领域的认知,让自己的能力更上一层。 课程特别适合想持续深造的人士, 想跑在技术前沿的人士。

    高级魔鬼训练营的优势

    1、每个章节都有案例或者项目实操,这点对我来说还是比较友好的。

    2、在合适的章节介绍合适的案例,比如在凸优化介绍第一周的时候介绍的是运输问题讲解,而在第三周,凸优化问题时候介绍的打车中的匹配问题。这样对比和比较知识点也比较轻松。

    3、课程有迭代,会在适合的时候加入相应的模块。

    4、课程有对应的项目作业和实操案例。

    5、课程服务开设小班教学,并且对学员有相应的回访。

    6、通俗易懂地讲解每一个技术细节,用最少的时间成本来掌握那些很难自学的原理和模型。

    7、为进阶人士设计,帮助打破技术天花板。

    目录

    Week 1: 凸优化介绍

    1. 从优化角度理解机器学习
    2. 凸优化的重要性
    3. 常见的凸优化问题
    4. 线性规划以及Simplex Method
    5. Stochastic LP
    6. 案例:运输问题讲解

    Week 2: 判定凸函数

    1. 凸集的判断
    2. First-order Convexity
    3. Second-order convexity
    4. Operations preserve convexity
    5. 二次规划问题(QP)
    6. 案例:最小二乘问题
    7. 项目:股票投资组合优化

    Week 3: 凸优化问题

    1. 常见的凸优化问题类别
    2. 半定规划问题(semi-definite programming)
    3. 几何规划问题(geometric programming)
    4. 非凸函数的优化
    5. 松弛化(relaxazation)
    6. 整数规划(integer programming)
    7. 案例:打车中的匹配问题

    Week 4: 对偶(Duality)

    1. 拉格朗日对偶函数
    2. 对偶的几何意义
    3. Weak and Strong Duality
    4. KKT条件
    5. LP, QP, SDP的对偶问题
    6. 对偶的其他应用
    7. 案例:经典机器学习模型的对偶推导及实现

    Week 5: 优化技术

    1. 一阶与二阶优化技术
    2. Gradient Descent
    3. Subgradient Method
    4. Proximal Gradient Descent
    5. Projected Gradient Descent
    6. Stochastic Gradient Descent与收敛
    7. Newton’s Method
    8. Quasi-Newton Method

    Week 6: 数学基础

    1. 向量空间和图论基础
    2. Inner Product, Hilbert Space
    3. Eigenfunctions, Eigenvalue
    4. 傅里叶变化
    5. 卷积操作
    6. Time Domain and Spectral Domain
    7. Laplacian, Graph Laplacian

    Week 7: 谱域(Spectral Domain)的图神经网络

    1. 卷积神经网络回归
    2. 卷积操作的数学意义
    3. Graph Convolution
    4. Graph Filter
    5. ChebNet
    6. CayleyNet
    7. GCN
    8. Graph Pooling
    9. 案例:基于GCN的推荐间域与谱域的比较

    Week 8: 空间域(Spatial Domain)的图神经网络

    1. Spatial Convolution
    2. Mixture Model Network (MoNet)
    3. 注意力机制(Attention Mechanism)
    4. Graph Attention Network(GAT)
    5. Edge Convolution
    6. 空间域与谱域的比较
    7. 项目:基于图神经网络的链路预测

    Week 9: 图神经网络改进与应用

    1. 拓展1: Relative Position与图神经网络
    2. 拓展2:融入Edge特征:Edge GCN
    3. 拓展3:图神经网络与知识图谱: Knowledge GCN
    4. 拓展4:姿势识别:ST-GCN
    5. 案例:基于图的文本分类
    6. 案例:基于图的阅读理解

    Week 10: 强化学习基础

    1. Markov Decision Process
    2. Bellman equation
    3. 三种方法:Value-based, Policy-based, Model-based
    4. Value-based Approach: Q-learning
    5. Policy-based Approach: SARSA

    Week 11: Bandicts

    1. Multi-armed bandicts
    2. Epsilon-Greedy
    3. Upper Confidence Bound (UCB)
    4. Contextual UCB: LinUCB & Kernel UCB
    5. 案例:Bandits在推荐系统的应用案例

    Week 12: 路径规划

    1. Monte-Carlo Tree Search
    2. N-step learning
    3. Approximation and reward shaping
    4. 项目:强化学习在游戏中的应用案例
    5. 结合深度学习:Deep RL

    Week 13: 自然语言处理中的RL

    1. Seq2seq模型的问题
    2. 结合Evaluation Metric的自定义loss
    3. 结合aspect的自定义loss
    4. 不同RL模型与seq2seq模型的结合
    5. 案例:基于RL的对话系统

    Week 14: 贝叶斯方法论简介

    1. 贝叶斯定理
    2. 从MLE, MAP到贝叶斯估计
    3. 集成模型与贝叶斯方法比较
    4. 贝叶斯方法在计算上的Intractiblity
    5. MCMC与变分法简介
    6. 贝叶斯线性回归
    7. 贝叶斯神经网络
    8. 案例:基于Bayesian-LSTM的命名实体识别

    Week 15: 主题模型

    1. 生成模型与判别模型
    2. 隐变量模型
    3. 贝叶斯中的prior重要性
    4. 狄利克雷分布、多项式分布
    5. LDA的生成过程
    6. LDA中的参数与隐变量
    7. Supervised LDA
    8. Dynamic LDA
    9. LDA的其他变种
    10. 项目:LDA的基础上修改并搭建无监督情感分析模型

    Week 16: MCMC方法

    1. Detail Balance
    2. 对于LDA的吉布斯采样
    3. 对于LDA的Collapsed吉布斯采样
    4. Metropolis Hasting
    5. Importance Sampling
    6. Rejection Sampling
    7. 大规模分布式MCMC
    8. 大数据与SGLD
    9. 案例:基于分布式的LDA训练

    Week 17: 变分法(variational method)

    1. 变分法核心思想
    2. KL散度与ELBo的推导
    3. Mean-Field变分法
    4. EM算法
    5. LDA的变分法推导
    6. 大数据与SVI
    7. 变分法与MCMC的比较
    8. Variational Autoencoder
    9. robabilistic Programming
    10. 案例:使用概率编程工具来训练贝叶斯模型、

    猜你在找

    免责声明: 1、本站信息来自网络,版权争议与本站无关 2、本站所有主题由该帖子作者发表,该帖子作者与本站享有帖子相关版权 3、其他单位或个人使用、转载或引用本文时必须同时征得该帖子作者和本站的同意 4、本帖部分内容转载自其它媒体,但并不代表本站赞同其观点和对其真实性负责 5、用户所发布的一切软件的解密分析文章仅限用于学习和研究目的;不得将上述内容用于商业或者非法用途,否则,一切后果请用户自负。 6、您必须在下载后的24个小时之内,从您的电脑中彻底删除上述内容。 7、请支持正版软件、得到更好的正版服务。 8、如有侵权请立即告知本站(邮箱434708657@qq.com),本站将及时予与删除 9、本站所发布的一切破解补丁、注册机和注册信息及软件的解密分析文章和视频仅限用于学习和研究目的;不得将上述内容用于商业或者非法用途,否则,一切后果请用户自负。本站信息来自网络,版权争议与本站无关。您必须在下载后的24个小时之内,从您的电脑中彻底删除上述内容。如果您喜欢该程序,请支持正版软件,购买注册,得到更好的正版服务。如有侵权请邮件与我们联系处理。
    666资源站 » 贪心学院-机器学习高级训练营|资料齐全|完结无秘

    常见问题FAQ

    视频格式是什么?
    不加密,网盘在线学习
    怎么发货?
    自动发货,提供百度云链接和提取码【如失效点击网站右侧联系客服】】
    有些资源没更新完结怎么办?
    本站资源包更新至完结,后续可以点击链接获取
    有问题不懂的怎么办
    可以咨询qq客服
    • 5898会员总数(位)
    • 35259资源总数(个)
    • 4本周发布(个)
    • 0 今日发布(个)
    • 1067稳定运行(天)

    你的前景,远超我们想象

    加入我们
  • © 2021 666资源站 All rights reserved XML地图 |
         
  • 升级SVIP尊享更多特权立即升级