課程介紹
課程來自于 極客時間專欄課-王天一-機器學習40講（完結）
你將獲得
機器學習的必備核心理論
30 個最流行的機器學習模型
基于 Python 語言的實例練習
完整的機器學習知識體系
“機器學習 40 講”終于和你見面了！
2017 年 12 月，王天一老師在極客時間開設了“人工智能基礎課”專欄，帶你進入人工智能的大門，介紹了人工智能所需要的基礎數學、當前流行的深度學習技術、以及其他可能突破的技術路徑等方方面面的內容。
人工智能基礎課的第 2 季聚焦于機器學習。在新技術層出不窮的今日，機器學習依然占據著人工智能的核心地位，也是人工智能中發展最快的分支之一。
那么，怎樣入門機器學習？又有哪些學習路徑呢？無論機器學習領域充斥著多少花哨的技術，歸根結底，都是基本模型與基本方法的結合，而理解這些基本模型和基本方法就是掌握機器學習的要義所在。那么，問題來了，這么多模型到底要怎么學習呢？其實，這里面最關鍵的，是要梳理出機器學習的主線，把握不同模型之間的內在關聯，能夠融會貫通、系統地理解機器學習。
在本專欄中，王天一老師會從機器學習中的共性問題講起，從統計機器學習和概率圖模型兩個角度，詳細解讀 30 個最流行的機器學習模型。除了理論之外，在每個模型的介紹中還會穿插一些基于 Python 語言的簡單實例，幫你加強對于模型的理解。
專欄共 3 大模塊
機器學習概觀。這一模塊將從頻率學派與貝葉斯學派這兩個視角來看機器學習，并討論超脫于模型和方法之外的一些共性問題，包括模型的分類方式、設計準則、評估指標等。
統計機器學習模型。這一模塊將以線性模型為主線，討論模型的多種擴展和修正，如正則化、線性降維、核方法、基函數變化、隨機森林等，探究從簡單線性回歸到復雜深度網絡的發展歷程。
概率圖模型。這一模塊將以高斯分布為起點，將高斯分布應用到從簡單到復雜的圖模型中，由此認識不同的模型特性與不同的計算技巧，如樸素貝葉斯、高斯混合模型、馬爾科夫隨機場等。
文件目錄
01-開篇詞 (1講)
00丨開篇詞丨打通修煉機器學習的任督二脈.html
00丨開篇詞丨打通修煉機器學習的任督二脈.mp3
00丨開篇詞丨打通修煉機器學習的任督二脈.pdf
02-機器學習概觀 (10講)
03-統計機器學習模型 (18講)
總結課丨機器學習的模型體系.pdf
總結課丨機器學習的模型體系.html
總結課丨機器學習的模型體系.mp3
11丨基礎線性回歸：一元與多元.mp3
11丨基礎線性回歸：一元與多元.html
11丨基礎線性回歸：一元與多元.pdf
12丨正則化處理：收縮方法與邊際化.pdf
12丨正則化處理：收縮方法與邊際化.mp3
12丨正則化處理：收縮方法與邊際化.html
13丨線性降維：主成分的使用.pdf
13丨線性降維：主成分的使用.html
13丨線性降維：主成分的使用.mp3
14丨非線性降維：流形學習.mp3
14丨非線性降維：流形學習.html
14丨非線性降維：流形學習.pdf
15丨從回歸到分類：聯系函數與降維.mp3
15丨從回歸到分類：聯系函數與降維.pdf
15丨從回歸到分類：聯系函數與降維.html
16丨建模非正態分布：廣義線性模型.pdf
16丨建模非正態分布：廣義線性模型.mp3
16丨建模非正態分布：廣義線性模型.html
17丨幾何角度看分類：支持向量機.html
17丨幾何角度看分類：支持向量機.pdf
17丨幾何角度看分類：支持向量機.mp3
18丨從全局到局部：核技巧.mp3
18丨從全局到局部：核技巧.pdf
18丨從全局到局部：核技巧.html
19丨非參數化的局部模型：K近鄰.html
19丨非參數化的局部模型：K近鄰.pdf
19丨非參數化的局部模型：K近鄰.mp3
20丨基于距離的學習：聚類與度量學習.mp3
20丨基于距離的學習：聚類與度量學習.html
20丨基于距離的學習：聚類與度量學習.pdf
21丨基函數擴展：屬性的非線性化.html
21丨基函數擴展：屬性的非線性化.pdf
21丨基函數擴展：屬性的非線性化.mp3
22丨自適應的基函數：神經網絡.mp3
22丨自適應的基函數：神經網絡.pdf
22丨自適應的基函數：神經網絡.html
23丨層次化的神經網絡：深度學習.mp3
23丨層次化的神經網絡：深度學習.pdf
23丨層次化的神經網絡：深度學習.html
24丨深度編解碼：表示學習.mp3
24丨深度編解碼：表示學習.pdf
24丨深度編解碼：表示學習.html
25丨基于特征的區域劃分：樹模型.pdf
25丨基于特征的區域劃分：樹模型.html
25丨基于特征的區域劃分：樹模型.mp3
26丨集成化處理：Boosting與Bagging.html
26丨集成化處理：Boosting與Bagging.pdf
26丨集成化處理：Boosting與Bagging.mp3
27丨萬能模型：梯度提升與隨機森林.mp3
27丨萬能模型：梯度提升與隨機森林.pdf
27丨萬能模型：梯度提升與隨機森林.html
04-概率圖模型 (14講)
05-結束語 (1講)
結課丨終有一天，你將為今天的付出驕傲.pdf
結課丨終有一天，你將為今天的付出驕傲.mp3
結課丨終有一天，你將為今天的付出驕傲.html
