会员服务
高级机器学习 ·
2021 年 1 月 26 日
【UBC】高级机器学习课程，Advanced Machine Learning
专知会员服务
专知会员服务
专知，提供专业可信的知识分发服务，让认知协作更快更好！

本课程是关于机器学习的第二或第三门大学水平的课程，该领域的重点是将自动数据分析用于模式识别和预测等任务。该课程旨在作为CPSC 340(或5.32亿)课程的延续，并将要求学生具备扎实的数学和计算机科学背景。主题将(大致)包括深度学习、生成模型、潜在变量模型、马尔可夫模型、概率图模型和贝叶斯方法。

https://www.cs.ubc.ca/~schmidtm/Courses/440-W21/

成为VIP会员查看完整内容
https://www.cs.ubc.ca/~schmidtm/Courses/440-W21/
Overview Fundamentals of Learning More Fundamentals of Learning Convex Optimization Structured Prediction Motivation Density Estimation Gaussians Mixture Models
24

相关内容

哥伦比亚大学最新《机器学习》课程，Fall-B 2020 (Machine Learning)
专知会员服务
38+阅读 · 2020年11月3日
多伦多大学最新《机器学习导论》课程，Introduction to Machine Learning
多伦多大学最新《机器学习导论》课程，Introduction to Machine Learning
专知会员服务
24+阅读 · 2020年9月24日
最新《机器学习最优化》课程笔记，36页pdf，Optimization for Machine Learning
专知会员服务
168+阅读 · 2020年5月10日
【NYU CS-GY 9223I】算法机器学习和数据科学（Algorithmic Machine Learning and Data Science），纽约大学坦顿工程学院计算机科学与工程助理教授 |Christopher Musco
【NYU CS-GY 9223I】算法机器学习和数据科学（Algorithmic Machine Learning and Data Science），纽约大学坦顿工程学院计算机科学与工程助理教授 |Christopher Musco
专知会员服务
19+阅读 · 2019年12月24日
【金融机器学习课程资料】Financial Machine Learning
专知会员服务
115+阅读 · 2019年12月24日
【课程推荐】斯坦福课程：图机器学习《CS224W: Machine Learning with Graphs(Stanford / Fall 2019)》by Jurij Leskovec
【课程推荐】斯坦福课程：图机器学习《CS224W: Machine Learning with Graphs(Stanford / Fall 2019)》by Jurij Leskovec
专知会员服务
144+阅读 · 2019年12月10日
【电子书推荐】机器学习课程，A Course in Machine Learning，Hal Daumé III
【电子书推荐】机器学习课程，A Course in Machine Learning，Hal Daumé III
专知会员服务
27+阅读 · 2019年11月19日
【DLBM-SS暑期课程】深度学习与贝叶斯方法 Deep Learning and Bayesian Methods
【DLBM-SS暑期课程】深度学习与贝叶斯方法 Deep Learning and Bayesian Methods
专知会员服务
66+阅读 · 2019年11月10日
【课程】纽约大学 DS-GA 1003 Machine Learning
【课程】纽约大学 DS-GA 1003 Machine Learning
专知会员服务
45+阅读 · 2019年10月29日
【CMU】机器学习导论课程（Introduction to Machine Learning）
【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
【UMD开放经典书】机器学习课程简明书，19章227页pdf，带你学习ML
【UMD开放经典书】机器学习课程简明书，19章227页pdf，带你学习ML
专知
45+阅读 · 2019年12月9日
【课程】斯坦福大学CS236：深度生成模型，附课程材料下载
【课程】斯坦福大学CS236：深度生成模型，附课程材料下载
专知
29+阅读 · 2019年9月25日
【干货】Geoffrey Hinton《神经网络机器学习》经典课程（附课程PPT下载）
【干货】Geoffrey Hinton《神经网络机器学习》经典课程（附课程PPT下载）
专知
26+阅读 · 2019年1月16日
资源 | UC Berkeley CS 294深度强化学习课程（附视频、学习资料）
资源 | UC Berkeley CS 294深度强化学习课程（附视频、学习资料）
数据派THU
21+阅读 · 2018年4月7日
Machine Learning：十大机器学习算法
Machine Learning：十大机器学习算法
开源中国
20+阅读 · 2018年3月1日
11节麻省理工学院的通用人工智能课程大放送
11节麻省理工学院的通用人工智能课程大放送
全球人工智能
8+阅读 · 2018年2月6日
吴恩达机器学习课程
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
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
资源 | CMU统计机器学习2017春季课程：研究生水平
资源 | CMU统计机器学习2017春季课程：研究生水平
机器之心
14+阅读 · 2017年10月30日
Andrew NG的新书《Machine Learning Yearning》
Andrew NG的新书《Machine Learning Yearning》
我爱机器学习
11+阅读 · 2016年12月7日
A Practical Guide to Multi-Objective Reinforcement Learning and Planning
Arxiv
1+阅读 · 2021年3月17日
Notes on Deep Learning Theory
Arxiv
7+阅读 · 2020年12月10日
A Survey on Distributed Machine Learning
Arxiv
45+阅读 · 2019年12月20日
Causality for Machine Learning
Arxiv
22+阅读 · 2019年11月24日
End to end learning and optimization on graphs
Arxiv
7+阅读 · 2019年5月31日
Optimization Models for Machine Learning: A Survey
Arxiv
18+阅读 · 2019年1月16日
Interpretable machine learning: definitions, methods, and applications
Interpretable machine learning: definitions, methods, and applications
Arxiv
19+阅读 · 2019年1月14日
A Survey of Learning Causality with Data: Problems and Methods
A Survey of Learning Causality with Data: Problems and Methods
Arxiv
19+阅读 · 2018年9月25日
Machine Learning: Basic Principles
Arxiv
26+阅读 · 2018年8月19日
Why not be Versatile? Applications of the SGNMT Decoder for Machine Translation
Arxiv
3+阅读 · 2018年3月20日
VIP会员
相关主题
高级机器学习
相关VIP内容
哥伦比亚大学最新《机器学习》课程，Fall-B 2020 (Machine Learning)
专知会员服务
38+阅读 · 2020年11月3日
多伦多大学最新《机器学习导论》课程，Introduction to Machine Learning
多伦多大学最新《机器学习导论》课程，Introduction to Machine Learning
专知会员服务
24+阅读 · 2020年9月24日
最新《机器学习最优化》课程笔记，36页pdf，Optimization for Machine Learning
专知会员服务
168+阅读 · 2020年5月10日
【NYU CS-GY 9223I】算法机器学习和数据科学（Algorithmic Machine Learning and Data Science），纽约大学坦顿工程学院计算机科学与工程助理教授 |Christopher Musco
【NYU CS-GY 9223I】算法机器学习和数据科学（Algorithmic Machine Learning and Data Science），纽约大学坦顿工程学院计算机科学与工程助理教授 |Christopher Musco
专知会员服务
19+阅读 · 2019年12月24日
【金融机器学习课程资料】Financial Machine Learning
专知会员服务
115+阅读 · 2019年12月24日
【课程推荐】斯坦福课程：图机器学习《CS224W: Machine Learning with Graphs(Stanford / Fall 2019)》by Jurij Leskovec
【课程推荐】斯坦福课程：图机器学习《CS224W: Machine Learning with Graphs(Stanford / Fall 2019)》by Jurij Leskovec
专知会员服务
144+阅读 · 2019年12月10日
【电子书推荐】机器学习课程，A Course in Machine Learning，Hal Daumé III
【电子书推荐】机器学习课程，A Course in Machine Learning，Hal Daumé III
专知会员服务
27+阅读 · 2019年11月19日
【DLBM-SS暑期课程】深度学习与贝叶斯方法 Deep Learning and Bayesian Methods
【DLBM-SS暑期课程】深度学习与贝叶斯方法 Deep Learning and Bayesian Methods
专知会员服务
66+阅读 · 2019年11月10日
【课程】纽约大学 DS-GA 1003 Machine Learning
【课程】纽约大学 DS-GA 1003 Machine Learning
专知会员服务
45+阅读 · 2019年10月29日
【CMU】机器学习导论课程（Introduction to Machine Learning）
【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
热门VIP内容
相关资讯
【UMD开放经典书】机器学习课程简明书，19章227页pdf，带你学习ML
【UMD开放经典书】机器学习课程简明书，19章227页pdf，带你学习ML
专知
45+阅读 · 2019年12月9日
【课程】斯坦福大学CS236：深度生成模型，附课程材料下载
【课程】斯坦福大学CS236：深度生成模型，附课程材料下载
专知
29+阅读 · 2019年9月25日
【干货】Geoffrey Hinton《神经网络机器学习》经典课程（附课程PPT下载）
【干货】Geoffrey Hinton《神经网络机器学习》经典课程（附课程PPT下载）
专知
26+阅读 · 2019年1月16日
资源 | UC Berkeley CS 294深度强化学习课程（附视频、学习资料）
资源 | UC Berkeley CS 294深度强化学习课程（附视频、学习资料）
数据派THU
21+阅读 · 2018年4月7日
Machine Learning：十大机器学习算法
Machine Learning：十大机器学习算法
开源中国
20+阅读 · 2018年3月1日
11节麻省理工学院的通用人工智能课程大放送
11节麻省理工学院的通用人工智能课程大放送
全球人工智能
8+阅读 · 2018年2月6日
吴恩达机器学习课程
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
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
资源 | CMU统计机器学习2017春季课程：研究生水平
资源 | CMU统计机器学习2017春季课程：研究生水平
机器之心
14+阅读 · 2017年10月30日
Andrew NG的新书《Machine Learning Yearning》
Andrew NG的新书《Machine Learning Yearning》
我爱机器学习
11+阅读 · 2016年12月7日
相关论文
A Practical Guide to Multi-Objective Reinforcement Learning and Planning
Arxiv
1+阅读 · 2021年3月17日
Notes on Deep Learning Theory
Arxiv
7+阅读 · 2020年12月10日
A Survey on Distributed Machine Learning
Arxiv
45+阅读 · 2019年12月20日
Causality for Machine Learning
Arxiv
22+阅读 · 2019年11月24日
End to end learning and optimization on graphs
Arxiv
7+阅读 · 2019年5月31日
Optimization Models for Machine Learning: A Survey
Arxiv
18+阅读 · 2019年1月16日
Interpretable machine learning: definitions, methods, and applications
Interpretable machine learning: definitions, methods, and applications
Arxiv
19+阅读 · 2019年1月14日
A Survey of Learning Causality with Data: Problems and Methods
A Survey of Learning Causality with Data: Problems and Methods
Arxiv
19+阅读 · 2018年9月25日
Machine Learning: Basic Principles
Arxiv
26+阅读 · 2018年8月19日
Why not be Versatile? Applications of the SGNMT Decoder for Machine Translation
Arxiv
3+阅读 · 2018年3月20日
微信扫码咨询专知VIP会员
Top