不可错过！普渡大学最新《机器学习》课程

本课程由四个部分组成。

• 数学基础。矩阵、向量、Lp范数、范数的几何、对称性、正确定性、特征分解。无约束优化，graident下降，凸函数，拉格朗日乘数，线性最小二乘。概率空间，随机变量，联合分布，多维高斯函数。

• 线性分类器。线性判别分析、分离超平面、多类分类、贝叶斯决策规则、贝叶斯决策规则的几何、线性回归、逻辑回归、感知器算法、支持向量机、非线性变换。

• 学习理论。偏差与方差、训练与测试、泛化、PAC框架、Hoeffding不等式、VC维。

• 鲁棒性。对抗性攻击，有目标和无目标攻击，最小距离攻击，最大损失攻击，规则攻击。通过纳微扰。支持向量机的鲁棒性。

https://engineering.purdue.edu/ChanGroup/ECE595/index.html