阿姆斯特丹大学机器学习简明课程视频与课件UvA - Machine Learning 1

2020 年 11 月 28 日 专知

【导读】UvA - Machine Learning 1课程是阿姆斯特丹大学人工智能硕士课程的一部分。该课程由阿姆斯特丹机器学习实验室开发,目前由Erik Bekkers博士提供。


UvA - Machine Learning 1的课程主页(https://uvaml1.github.io)包括讲课的链接(Youtube频道)和相应的pdf注释幻灯片。该系列讲座密切关注Bishop的《模式识别和机器学习》一书。每个视频的开头都有相关章节。


课程内容如下:

  • 第一周

    • 1.1: 课程简介

    • 1.2: 什么是机器学习

    • 1.3: 机器学习的类型

    • 1.4: 概率轮,贝叶斯理论

    • 1.5: 概率论:示例

    • 2.1: 期望、方差和协方差

    • 2.2: 高斯分布

    • 2.3: 最大似然估计

    • 2.4: 最大似然估计:示例

    • 2.5: 最大后验

    • 2.6: 贝叶斯预测

  • 第二周

    • 3.1: 利用基础函数进行线性回归

    • 3.2: 利用最大似然进行线性回归

    • 3.3: 随机梯度下降

    • 3.4: 欠拟合和过拟合

    • 3.5: 正则最小二乘

    • 4.1: 模型选择

    • 4.2: 偏置方差分解

    • 4.3: 高斯后验

    • 4.4: 序列贝叶斯学习

    • 4.5: 贝叶斯预测分布

  • 第三周

    • 5.1: 等价核

    • 5.2: 贝叶斯模型对比

    • 5.3: 模型证据近似/经验贝叶斯

    • 5.4: 使用决策区域分类

    • 5.5: 决策理论

    • 5.6: 概率生成式模型

    • 6.1: 概率生成式模型: 最大似然

    • 6.2: 概率生成式模型: 离散数据 (朴素贝叶斯)

    • 6.3: 判别函数

    • 6.4: 判别函数: 最小二乘回归

    • 6.5: 判别函数: 感知器

  • 第四周:

    • 7.1: 利用基础函数进行分类

    • 7.2: 概率判别式模型:逻辑回归

    • 7.3: 逻辑回归:随机梯度下降

    • 7.4: 逻辑回归:牛顿-拉夫逊方法

    • 8.1: 神经网络

    • 8.2: 神经网络: 万能近似理论

    • 8.3: 神经网络: 损失

    • 8.4: 神经网络: 随机梯度下降

    • 8.5: 神经网络: 反向传播

  • 第五周

    • 9.1: 无监督学习 - 隐变量模型

    • 9.2: K-Means聚类

    • 9.3: 拉格朗日乘子

    • 9.4: 高斯混合模型和EM算法

    • 10.1: 主成分分析: 最大方差

    • 10.2: 主成分分析: 最小重构损失

    • 10.3: 概率主成分分析

    • 10.4: 非线性主成分分析(核PCA和自编码器)

  • 第六周

    • 11.1: 核化线性模型

    • 11.2: 核技巧

    • 11.3: 支持向量机: 最大间隔分类器

    • 11.4: 不等约束优化 (对偶拉格朗日)

    • 11.5: 支持向量机: 核SVM

    • 11.6: 支持向量机:软间隔分类器

    • 12.1: 高斯的一些有用的属性

    • 12.2: 核化贝叶斯回归

    • 12.3: 高斯过程

    • 12.4: 高斯过程:With An Exponential Kernel

    • 12.5: 高斯过程:回归

  • 第七周

    • 13.1: 模型组合方法(vs贝叶斯模型平均法)

    • 13.2: Bootstrapping方法和Feature Bagging方法

    • 13.3: Adaboost方法

    • 13.4: 决策树和随机森林


参考资料:

  • https://uvaml1.github.io


专知便捷查看

便捷下载,请关注专知公众号(点击上方蓝色专知关注)

  • 后台回复“UVAM1” 就可以获取UvA - Machine Learning 1课程视频与PDF专知下载链接

专知,专业可信的人工智能知识分发,让认知协作更快更好!欢迎注册登录专知www.zhuanzhi.ai,获取5000+AI主题干货知识资料!
欢迎微信扫一扫加入专知人工智能知识星球群,获取最新AI专业干货知识教程资料和与专家交流咨询
点击“阅读原文”,了解使用专知,查看获取5000+AI主题知识资源
登录查看更多
0

相关内容

阿姆斯特丹大学(荷兰文:Universiteit van Amsterdam,缩写为 UvA),成立于1632年,坐落在荷兰首都阿姆斯特丹市中心。阿姆斯特丹大学是历史悠久的著名世界百强学府,也是欧洲最大的综合性大学之一,拥有众多国际学生交流项目和优良的国际声誉。它同时是Universitas 21大学联盟、欧洲大学协会、欧洲研究型大学联盟与欧洲首都大学联盟成员之一。[1] 阿姆斯特丹大学有高质量的研究生和世界前沿的研究培训,同时本科教育也是世界最优秀的之一。它产生过6名诺贝尔奖得主,其中诺贝尔物理学家得主3名,和平、医学和化学奖得主各一名。 如今,作为研究型大学的阿姆斯特丹大学有超过30000名学生,5000名员工和285个研究项目(学士和硕士项目),其中许多都是用英语授课的。阿姆斯特丹大学拥有超过6亿欧元的预算,大学学院星罗棋布地分布在阿姆斯特丹城市的各个角落,目前该校设有七个学院:人文学院、社会与行为科学学院、商学院、法学院、理学院、医学院和牙医学院。 阿姆斯特丹大学的声誉享誉全球,被誉为“欧洲的哈佛”。在2020年度USNEWS世界大学排名中,位列世界第四十位,欧盟区位列前三。
专知会员服务
115+阅读 · 2019年12月24日
【CMU】机器学习导论课程(Introduction to Machine Learning)
专知会员服务
59+阅读 · 2019年8月26日
Python机器学习课程(代码与教程)
专知
35+阅读 · 2019年5月13日
Machine Learning:十大机器学习算法
开源中国
20+阅读 · 2018年3月1日
吴恩达机器学习课程
平均机器
9+阅读 · 2018年2月5日
盘点15个机器学习网络课程和文字教程
论智
7+阅读 · 2017年12月25日
Choice modelling in the age of machine learning
Arxiv
0+阅读 · 2021年1月28日
Arxiv
0+阅读 · 2021年1月26日
Optimization for deep learning: theory and algorithms
Arxiv
104+阅读 · 2019年12月19日
Arxiv
22+阅读 · 2019年11月24日
Arxiv
7+阅读 · 2019年5月31日
Arxiv
18+阅读 · 2019年1月16日
Arxiv
26+阅读 · 2018年8月19日
VIP会员
相关论文
Choice modelling in the age of machine learning
Arxiv
0+阅读 · 2021年1月28日
Arxiv
0+阅读 · 2021年1月26日
Optimization for deep learning: theory and algorithms
Arxiv
104+阅读 · 2019年12月19日
Arxiv
22+阅读 · 2019年11月24日
Arxiv
7+阅读 · 2019年5月31日
Arxiv
18+阅读 · 2019年1月16日
Arxiv
26+阅读 · 2018年8月19日
Top
微信扫码咨询专知VIP会员