数学分析

  • SVD
  • 常数e
  • 导数/梯度
  • 随机梯度下降
  • Taylor展式的落地应用
  • gini系数
  • 凸函数
  • Jensen不等式
  • 组合数与信息熵

概率论与贝叶斯先验

  • 古典概型
  • 贝叶斯公式
  • 先验分布/后验分布/共轭分布
  • 常见概率分布
  • 泊松分布和指数分布
  • 协方差(矩阵)和相关系数
  • 独立和不相关
  • 大数定律和中心极限定理的实践意义
  • 深刻理解最大似然估计MLE和最大后验估计MAP
  • 过拟合的数学原理与解决方案

矩阵和线性代数

  • 马尔科夫模型
  • 矩阵乘法
  • 状态转移矩阵
  • 矩阵和向量组
  • 特征向量的思考和实践计算
  • QR分解
  • 对称阵、正交阵、正定阵
  • 数据白化及其应用
  • 向量对向量求导
  • 标量对向量求导
  • 标量对矩阵求导

Python基础1 - Python及其数学库

  1. 解释器Python2.7与IDE:Anaconda/Pycharm

  2. Python基础:列表/元组/字典/类/文件

  3. Taylor展式的代码实现

  4. numpy/scipy/matplotlib/panda的介绍和典型使用

  5. 多元高斯分布

  6. 泊松分布、幂律分布

  7. 典型图像处理

  8. 蝴蝶效应

  9. 分形

第五课:Python基础2 - 机器学习库

  1. scikit-learn的介绍和典型使用

  2. 损失函数的绘制

  3. 多种数学曲线

  4. 多项式拟合

  5. 快速傅里叶变换FFT

  6. 奇异值分解SVD

  7. Soble/Prewitt/Laplacian算子与卷积网络

  8. 卷积与(指数)移动平均线

  9. 股票数据分析

第六课:Python基础3 - 数据清洗和特征选择

  1. 实际生产问题中算法和特征的关系

  2. 股票数据的特征提取和应用

  3. 一致性检验

  4. 缺失数据的处理

  5. 环境数据异常检测和分析

  6. 模糊数据查询和数据校正方法、算法、应用

  7. 朴素贝叶斯用于鸢尾花数据

  8. GaussianNB/MultinomialNB/BernoulliNB

  9. 朴素贝叶斯用于18000+篇/Sogou新闻文本的分类

第七课: 回归

  1. 线性回归

  2. Logistic/Softmax回归

  3. 广义线性回归

  4. L1/L2正则化

  5. Ridge与LASSO

  6. Elastic Net

  7. 梯度下降算法:BGD与SGD

  8. 特征选择与过拟合

第八课:Logistic回归

  1. Sigmoid函数的直观解释

  2. Softmax回归的概念源头

  3. Logistic/Softmax回归

  4. 最大熵模型

  5. K-L散度

  6. 损失函数

  7. Softmax回归的实现与调参

第九课:回归实践

  1. 机器学习sklearn库介绍

  2. 线性回归代码实现和调参

  3. Softmax回归代码实现和调参

  4. Ridge回归/LASSO/Elastic Net

  5. Logistic/Softmax回归

  6. 广告投入与销售额回归分析

  7. 鸢尾花数据集的分类

  8. 交叉验证

  9. 数据可视化

第十课:决策树和随机森林

  1. 熵、联合熵、条件熵、KL散度、互信息

  2. 最大似然估计与最大熵模型

  3. ID3、C4.5、CART详解

  4. 决策树的正则化

  5. 预剪枝和后剪枝

  6. Bagging

  7. 随机森林

  8. 不平衡数据集的处理

  9. 利用随机森林做特征选择

  10. 使用随机森林计算样本相似度

  11. 数据异常值检测

第十一课:随机森林实践

  1. 随机森林与特征选择

  2. 决策树应用于回归

  3. 多标记的决策树回归

  4. 决策树和随机森林的可视化

  5. 葡萄酒数据集的决策树/随机森林分类

  6. 波士顿房价预测

第十二课:提升

  1. 提升为什么有效

  2. 梯度提升决策树GBDT

  3. XGBoost算法详解

  4. Adaboost算法

  5. 加法模型与指数损失

第十三课:提升实践

  1. Adaboost用于蘑菇数据分类

  2. Adaboost与随机森林的比较

  3. XGBoost库介绍

  4. Taylor展式与学习算法

  5. KAGGLE简介

  6. 泰坦尼克乘客存活率估计

第十四课:SVM

  1. 线性可分支持向量机

  2. 软间隔的改进

  3. 损失函数的理解

  4. 核函数的原理和选择

  5. SMO算法

  6. 支持向量回归SVR

第十五课:SVM实践

  1. libSVM代码库介绍

  2. 原始数据和特征提取

  3. 调用开源库函数完成SVM

  4. 葡萄酒数据分类

  5. 数字图像的手写体识别

  6. SVR用于时间序列曲线预测

  7. SVM、Logistic回归、随机森林三者的横向比较

第十六课:聚类(上)

  1. 各种相似度度量及其相互关系

  2. Jaccard相似度和准确率、召回率

  3. Pearson相关系数与余弦相似度

  4. K-means与K-Medoids及变种

  5. AP算法(Sci07)/LPA算法及其应用

第十七课:聚类(下)

  1. 密度聚类DBSCAN/DensityPeak(Sci14)

  2. DensityPeak(Sci14)

  3. 谱聚类SC

  4. 聚类评价AMI/ARI/Silhouette

  5. LPA算法及其应用

第十八课:聚类实践

  1. K-Means++算法原理和实现

  2. 向量量化VQ及图像近似

  3. 并查集的实践应用

  4. 密度聚类的代码实现

  5. 谱聚类用于图片分割

第十九课:EM算法

  1. 最大似然估计

  2. Jensen不等式

  3. 朴素理解EM算法

  4. 精确推导EM算法

  5. EM算法的深入理解

  6. 混合高斯分布

  7. 主题模型pLSA

第二十课:EM算法实践

  1. 多元高斯分布的EM实现

  2. 分类结果的数据可视化

  3. EM与聚类的比较

  4. Dirichlet过程EM

  5. 三维及等高线等图件的绘制

  6. 主题模型pLSA与EM算法

第二十一课:主题模型LDA

  1. 贝叶斯学派的模型认识

  2. 共轭先验分布

  3. Dirichlet分布

  4. Laplace平滑

  5. Gibbs采样详解

第二十二课:LDA实践

  1. 网络爬虫的原理和代码实现

  2. 停止词和高频词

  3. 动手自己实现LDA

  4. LDA开源包的使用和过程分析

  5. Metropolis-Hastings算法

  6. MCMC

  7. LDA与word2vec的比较

第二十三课:隐马尔科夫模型HMM

  1. 概率计算问题

  2. 前向/后向算法

  3. HMM的参数学习

  4. Baum-Welch算法详解

  5. Viterbi算法详解

  6. 隐马尔科夫模型的应用优劣比较

第二十四课:HMM实践

  1. 动手自己实现HMM用于中文分词

  2. 多个语言分词开源包的使用和过程分析

  3. 文件数据格式UFT-8、Unicode

  4. 停止词和标点符号对分词的影响

  5. 前向后向算法计算概率溢出的解决方案

  6. 发现新词和分词效果分析

  7. 高斯混合模型HMM

  8. GMM-HMM用于股票数据特征提取

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 151,511评论 1 330
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 64,495评论 1 273
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 101,595评论 0 225
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 42,558评论 0 190
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 50,715评论 3 270
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 39,672评论 1 192
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 31,112评论 2 291
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 29,837评论 0 181
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 33,417评论 0 228
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 29,928评论 2 232
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 31,316评论 1 242
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 27,773评论 2 234
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 32,253评论 3 220
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 25,827评论 0 8
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 26,440评论 0 180
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 34,523评论 2 249
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 34,583评论 2 249

推荐阅读更多精彩内容