大数据机器学习（2019春）

–第20章 深度学习优化方法
–第19章 深度学习正则化方法
–第18章 神经网络和深度学习
–第17章 概率图模型的学习与推断
–第16章 条件随机场
–第15章 隐马尔可夫模型
–第14章 计算学习理论
–第13章 EM算法及混合高斯模型
–第12章 提升方法
–第11章 降维与度量学习
–第10章 核方法与非线性SVM
–第09章 SVM
–第08章 逻辑斯谛回归与最大熵模型
–第07章 决策树和随机森林
–第06章 贝叶斯分类器及图模型
–第05章 聚类
–第04章 感知机
–第03章 模型性能评估
–第02章 机器学习基本概念
–第01章 概述
–00讲义