最新公告
  • 欢迎光临92资源站,全网最优质的it资源平台立即加入我们
  • 讲透机器学习概率统计,快速打造算法基础核心能力

    讲透机器学习概率统计,快速打造算法基础核心能力 最后编辑:2023-01-01
    资源介绍: 高清MP4 资料齐全 网盘发货 一手资源免费更新包售后

    第1章 概率统计课程导学
    1-1 机器学习中的概率统计应用实践-课程导学 (06:02)
    第2章 统计思维基石:条件概率与独立性
    2-1 本讲知识概览与导引 (01:35)
    2-2 从概率到条件概率 (06:22)
    2-3 条件概率与独立性 (06:15)
    2-4 从独立到条件独立 (09:07)
    2-5 全概率公式与贝叶斯基础 (09:52)
    2-6 本讲小节及小讲预告 (01:00)
    第3章 聚焦基本元素:深入理解随机变量
    3-1 本讲知识概览与导引 (02:08)
    3-2 离散型随机变量及其分布列 (06:23)
    3-3 二项分布及其PMF函数(含代码实战) (09:11)
    3-4 二项分布的采样与数字特征(含代码实战) (13:55)
    3-5 几何分布的性质与采样(含代码实战) (11:07)
    3-6 泊松分布的性质与采样(含代码实战) (07:16)
    3-7 连续型随机变量及其概率密度函数 (04:50)
    3-8 正态分布的性质与采样(含代码实战) (10:32)
    3-9 指数分布的性质与采样(含代码实战) (08:55)
    3-10 均匀分布的性质与采样(含代码实战) (06:32)
    3-11 本讲小节及小讲预告 (00:49)
    第4章 从一元到多元:探索多元随机变量
    4-1 本讲知识概览与导引 (02:28)
    4-2 多元随机变量的重要分布列 (06:34)
    4-3 随机变量的独立性与条件独立性 (09:48)
    4-4 多元随机变量的相关性与协方差矩阵 (06:44)
    4-5 二元正态分布:从标准到一般(含代码实战) (16:23)
    4-6 协方差与相关性的一个小问题(含代码实战) (08:01)
    4-7 相关系数的概念和特性(含代码实战) (06:03)
    4-8 随机变量独立与相关的概念辨析(含代码实战) (05:41)
    4-9 多元高斯分布的参数特征(含代码实战) (09:23)
    4-10 二元高斯分布几何特征实证分析(含代码实战) (06:21)
    4-11 本讲小节及下讲预告 (00:46)
    第5章 极限思维:大数定律与蒙特卡罗方法
    5-1 本讲知识概览与导引 (01:48)
    5-2 从平均身高问题引入大数定律 (01:53)
    5-3 大数定律背后的理论支撑 (03:23)
    5-4 样本均值与随机变量期望的关系(含代码实战) (08:44)
    5-5 样本均值的方差与分布(含代码实战) (07:28)
    5-6 蒙特卡罗方法的应用背景 (01:39)
    5-7 用蒙特卡罗方法近似计算圆面积(含代码实战) (10:16)
    5-8 中心极限定理的基本概念和工程背景 (03:14)
    5-9 中心极限定理的模拟与验证(含代码实战) (08:19)
    5-10 本讲小结及下讲预告 (00:41)
    第6章 由静到动:随机过程导引
    6-1 本讲知识概览与导引 (01:36)
    6-2 随机过程应用背景概述 (00:47)
    6-3 博彩中的随机过程(含代码实战) (15:25)
    6-4 随机过程模拟:股票价格的总体分布(含代码实战) (06:58)
    6-5 股票价格变化过程的展现(含代码实战) (05:46)
    6-6 两类重要的随机过程 (01:47)
    6-7 本讲小结及下讲预告 (00:41)
    第7章 马尔科夫链(上):转移与概率
    7-1 本讲知识概览与导引 (01:12)
    7-2 离散时间马尔科夫链的三要素 (02:19)
    7-3 马尔科夫链的基本性质和矩阵表示 (06:11)
    7-4 多步转移概率的计算 (06:21)
    7-5 多步转移与概率乘法(含代码实战) (05:09)
    7-6 路径概率问题举例 (03:31)
    7-7 本讲小结及下讲预告 (00:42)
    第8章 马尔科夫链(下):极限与稳态
    8-1 本讲知识概览与导引 (01:04)
    8-2 马尔可夫过程的两种典型极限状态 (08:07)
    8-3 马尔可夫链中的常返类和周期性 (06:21)
    8-4 马尔可夫链的稳态及求法 (04:39)
    8-5 本讲小结与下讲预告 (00:36)
    第9章 隐马尔科夫模型(上):明暗两条线
    9-1 本讲知识概览与导引 (01:34)
    9-2 隐马尔科夫模型导引 (00:59)
    9-3 隐马尔科夫典型案例1:盒子摸球试验 (06:16)
    9-4 隐马尔科夫典型案例2:小宝宝的日常生活 (01:54)
    9-5 隐马尔科夫模型的外在特征和内核三要素 (03:27)
    9-6 齐次马尔可夫性和观测独立性 (02:26)
    9-7 本讲小结及下讲预告 (00:35)
    第10章 隐马尔可夫模型(下):概率估计与状态解码
    10-1 本讲知识概览与导引 (01:12)
    10-2 隐马尔可夫模型的两个研究主题 (03:06)
    10-3 观测序列概率估计直观解法及其问题 (03:29)
    10-4 用前向概率算法进行概率估计的原理 (05:39)
    10-5 前向概率算法应用举例 (03:10)
    10-6 前向概率算法的程序实现(含代码实战) (07:09)
    10-7 状态解码问题的描述 (01:02)
    10-8 维特比算法与最大路径概率 (09:23)
    10-9 用维特比算法进行状态解码的理论基础 (04:46)
    10-10 盒子摸球案例中的状态解码实战 (07:46)
    10-11 维特比算法的程序实现(含代码实战) (05:04)
    10-12 本讲小结及下讲预告 (00:33)
    第11章 推断未知:统计推断的基本框架
    11-1 本讲知识概览与导引 (00:47)
    11-2 统计推断的一个引例 (02:59)
    11-3 总体、样本与统计量 (03:28)
    11-4 估计误差与无偏估计(含代码实战) (06:43)
    11-5 总体方差估计与有偏性(含代码实战) (08:44)
    11-6 本讲小结及下讲预告 (00:42)
    第12章 探寻最大可能:极大似然估计法
    12-1 本讲知识概览与导引 (01:07)
    12-2 极大似然估计法的引例(含代码实战) (04:34)
    12-3 似然函数的由来- (03:10)
    12-4 扩展到连续型的似然函数 (00:19)
    12-5 极大似然估计的思想 (03:13)
    12-6 极大似然估计的计算方法 (02:25)
    12-7 单参数极大似然估计案例 (02:04)
    12-8 多参数极大似然估计案例 (05:09)
    12-9 本讲小结及下讲预告 (00:24)
    第13章 贝叶斯统计推断:最大后验
    13-1 本讲知识概览与导引 (01:10)
    13-2 贝叶斯定理的回顾 (03:03)
    13-3 贝叶斯推断的理论过程 (02:46)
    13-4 贝叶斯推断实战-选取先验分布(含代码实战) (06:08)
    13-5 贝叶斯推断实战-选择观测数据的分布(含代码实战) (06:13)
    13-6 贝叶斯推断实战-计算后验分布 (04:03)
    13-7 贝叶斯推断全过程模拟验证(含代码实战) (33:19)
    13-8 关于共轭先验的问题 (01:40)
    13-9 本讲小结及下讲预告 (00:36)
    第14章 近似推断的思想和方法
    14-1 本讲知识概览与导引 (01:09)
    14-2 统计推断的场景与关注重点 (02:43)
    14-3 精确推断与近似推断的概念 (01:17)
    14-4 随机近似方法的理论基础 (05:13)
    14-5 接受-拒绝采样的基本方法 (03:42)
    14-6 接受-拒绝采样中建议分布及参数选取(含代码实战) (05:21)
    14-7 接受-拒绝采样过程实践(含代码实战) (08:14)
    14-8 接受-拒绝采样的方法内涵分析 (02:48)
    14-9 重要性采样的方法介绍 (02:35)
    14-10 两类采样方法的问题与思考 (01:18)
    14-11 本讲小结及下讲预告 (00:33)
    第15章 助力近似采样:基于马尔科夫链的采样过程
    15-1 本讲知识概览与导引 (01:04)
    15-2 马尔科夫链重点内容回顾 (03:57)
    15-3 马尔科夫链平稳分布的理解 (04:14)
    15-4 马尔科夫链进入稳态的过程演示(含代码实战) (14:27)
    15-5 稳态过程的再剖析与意义分析 (03:01)
    15-6 基于马尔科夫链的采样过程 (05:22)
    15-7 基于马尔科夫链的采样过程实践(含代码实战) (13:21)
    15-8 一个显而易见的难题 (01:26)
    15-9 本讲小结及下讲预告 (00:42)
    第16章 马尔科夫链-蒙特卡洛方法详解
    16-1 本讲知识概览与导引 (01:03)
    16-2 问题的目标与细致平稳条件 (04:49)
    16-3 Metropolis-Hastings方法的基本思路 (03:43)
    16-4 M-H方法中的随机游走与接受因子 (06:49)
    16-5 M-H方法中建议矩阵Q的选取 (10:03)
    16-6 M-H方法的实践(含代码实战) (11:18)
    16-7 本讲小结 (00:32)

    猜你在找

    免责声明:
    1. 本站所有资源收集于互联网,如有争议与本站无关!
    2. 分享目的仅供大家学习和交流,您必须在下载后24小时内删除!
    3. 如果侵犯到您的权利请邮箱联系: lmcf129@163.com,站长将于24小时内删除侵权内容!
    4. 不得使用于非法商业用途,不得违反国家法律。否则后果自负!
    5. 本站提供的源码、模板、插件等等其他资源,都不包含技术服务请大家谅解!
    6. 如有链接无法下载、失效或广告,请联系管理员处理!
    7. 本站资源售价只是赞助,收取费用仅维持本站的日常运营所需!

    九二资源站-10年只为资源共享-每日更新 » 讲透机器学习概率统计,快速打造算法基础核心能力

    常见问题FAQ

    视频加密吗?
    无密,本站视频全部为超清无密MP4格式
    怎么发货?
    百度网盘全自动发货
    课程没更新完怎么办?
    本站资源,持续更新,所有资源都会更新完毕
    有问题怎么解决?
    联系站长,或者直接给站长发邮件:lmcf129@163.com
    • 3627会员总数(位)
    • 20527资源总数(个)
    • 20本周发布(个)
    • 7 今日发布(个)
    • 2540稳定运行(天)

    最优质的的it资源平台

    期待您的加入
    升级SVIP尊享更多特权立即升级