教程前言
视频教程@机器学习高手全解最新扛鼎制作，凝聚汗水的白板推导，机器学习纯手工教学实战课程，大小50.62G，134个文件。本套教程存放在百度网盘，可以转存以后在线播放，或者下载到本地离线学习，同时支持PC端与手机端。
教程目录
机器学习-白板推导系列01-开篇
开篇1-频率派VS贝叶斯派.flv
开篇2-学习资料介绍.flv
机器学习-白板推导系列02-数学基础
数学基础1-高斯分布-极大似然估计.flv
数学基础2-高斯分布-极大似然估计无偏估计VS有偏估计).flv
数学基础3-高斯分布-从概率密度函数角度观察.flv
数学基础4-高斯分布-局限性.flv
数学基础5-高斯分布-已知联合概率求边缘概率及条件概率.flv
数学基础6-高斯分布-已知边缘和条件概率求联合概率分布.flv
数学基础7-不等式-杰森不等式.flv
机器学习-白板推导系列03-线性回归
线性回归1-最小二乘法及其几何意义.flv
线性回归2-最小二乘法-概率视角-高斯噪声-MLE.flv
线性回归3-正则化-岭回归.flv
线性回归4-正则化-岭回归-概率角度-高斯噪声高斯先验-MAP.flv
机器学习-白板推导系列04-线性分类
线性分类1-背景.flv
线性分类2-感知机（Perceptron).flv
线性分类3-线性判别分析（Fisher判别分析）-模型.flv
线性分类4-线性判别分析（Fisher判别分析）-模型.flv
线性分类5-逻辑回归.flv
线性分类6-高斯判别分析.flv
线性分类7-高斯判别分析.flv
线性分类8-高斯判别分析.flv
线性分类9-朴素贝叶斯分类器.flv
机器学习-白板推导系列05-降维
降维1-背景介绍.flv
降维2-样本均值&样本方差的矩阵表示.flv
降维3-主成分分析（PCA）-最大投影方差角度.flv
降维4-主成分分析（PCA）-最小重构代价角度.flv
降维5-主成分分析（PCA）-SVD角度.flv
降维6-主成分分析（PCA）-概率角度.flv
机器学习-白板推导系列06-支持向量机SVM
支持向量机1-硬间隔SVM-模型定义.flv
支持向量机2-硬间隔SVM-模型求解.flv
支持向量机3-硬间隔SVM-模型求解.flv
支持向量机4-软间隔SVM-模型定义.flv
支持向量机5-约束优化问题-弱对偶性证明.flv
支持向量机6-约束优化问题-对偶关系的几何解.flv
支持向量机7-约束优化问题-对偶关系之sla.flv
支持向量机8-约束优化问题-对偶关系之KKT.flv
支持向量机9-备份.flv
机器学习-白板推导系列07-核方法
核方法1-背景介绍.flv
核方法2-正定核的两个定义.flv
核方法3-正定核充要条件-必要性证明.flv
核方法4-备份.flv
机器学习-白板推导系列08-指数族分布
指数族分布1-背景.flv
指数族分布2-背景.flv
指数族分布3-高斯分布的指数族形式.flv
指数族分布4-对数配分函数与充分统.flv
指数族分布5-极大似然估计与充分统.flv
指数族分布6-最大熵角度.flv
指数族分布7-最大熵角度.flv
机器学习-白板推导系列09-概率图模型基础
概率图模型01-背景介绍.flv
概率图模型02-贝叶斯网络-Representation-条件独立性.flv
概率图模型03-贝叶斯网络-Representation-条件独立性.flv
概率图模型04-贝叶斯网络.flv
概率图模型05-贝叶斯网络.flv
概率图模型06-马尔可夫随机场.flv
概率图模型07-马尔可夫随机场.flv
概率图模型08-推断Inference.flv
概率图模型09-推断.flv
概率图模型10-推断.flv
概率图模型11-推断.flv
概率图模型12-推断.flv
概率图模型13-推断.flv
概率图模型14-概念补充-道德图.flv
概率图模型15-概念补充-因子图.flv
机器学习-白板推导系列10-EM算法
EM算法1-EM算法公式以及算法收敛性证明.flv
EM算法2-EM算法公式导出之ELBO-KL Diver.flv
EM算法3-EM算法公式导出之ELBO-Jensen I.flv
EM算法4-EM算法再回首.flv
EM算法5-广义EM.flv
EM算法6-EM变种.flv
机器学习-白板推导系列11-高斯混合模型GMM
高斯混合模型1-模型介绍.flv
高斯混合模型2-极大似然.flv
高斯混合模型3-EM求解-E-Ste.flv
高斯混合模型4-EM求解-M-Ste.flv
机器学习-白板推导系列12-变分推断
变分推断1-背景介绍.flv
变分推断2-公式推导.flv
变分推断3-再回首.flv
变分推断4-随机梯度变分推断-SGVI-1.flv
变分推断5-随机梯度变分推断-SGVI-2.flv
机器学习-白板推导系列13-MCMC
蒙特卡洛方法1.flv
蒙特卡洛方法2.flv
蒙特卡洛方法3.flv
蒙特卡洛方法4.flv
蒙特卡洛方法5-吉布斯采样.flv
蒙特卡洛方法6.flv
蒙特卡洛方法7.flv
蒙特卡洛方法8.flv
机器学习-白板推导系列14-隐马尔可夫模型
隐马尔可夫模型HMM1-背景介绍.flv
隐马尔可夫模型HMM2-背景介绍.flv
隐马尔可夫模型HMM3-前向算法.flv
隐马尔可夫模型HMM4-后向算法.flv
隐马尔可夫模型HMM5-Baum Welch算法.flv
隐马尔可夫模型HMM6-维特比算法.flv
隐马尔可夫模型HMM7-小结.flv
隐马尔可夫模型HMM8-小结.flv
机器学习-白板推导系列15-线性动态系统-卡曼滤波
线性动态系统1-KalmanFilter.flv
线性动态系统2-Filtering问题.flv
线性动态系统3-Filtering问题求解.flv
机器学习-白板推导系列16-粒子滤波
粒子滤波1-背景介绍.flv
粒子滤波2-重要性采样.flv
粒子滤波3-重采样.flv
粒子滤波4-SIR Filter.flv
机器学习-白板推导系列17-条件随机场CRF
条件随机场1-背景介绍.flv
条件随机场2-HMM VS MEM.flv
条件随机场3-MEMM VS CR.flv
条件随机场4-CRF模型-概率密度.flv
条件随机场5-CRF模型-概率密度.flv
条件随机场6-CRF模型-要解决的.flv
条件随机场7-CRF模型-Infe.flv
条件随机场8-CRF模型-Lear.flv
机器学习-白板推导系列18-高斯网络
高斯网络1-总体介绍.flv
高斯网络2-高斯贝叶斯网络.flv
高斯网络3-高斯马尔科夫随机场.flv
机器学习-白板推导系列19-贝叶斯线性回归
贝叶斯线性回归1-背景介绍.flv
贝叶斯线性回归2-推导介绍.flv
贝叶斯线性回归3-推导介绍.flv
贝叶斯线性回归4-推导预测.flv
贝叶斯线性回归5-小结.flv
机器学习-白板推导系列20-高斯过程GP
高斯过程GP1-简单介绍.flv
高斯过程GP2-权重空间角度.flv
高斯过程GP3-权重空间到函数空间.flv
高斯过程GP4-函数空间的角度.flv
机器学习-白板推导系列21-受限玻尔兹曼机RBM
受限玻尔兹曼机RBM1-背景介绍.flv
受限玻尔兹曼机RBM2-模型表示.flv
受限玻尔兹曼机RBM3-模型表示.flv
受限玻尔兹曼机RBM4-模型推断.flv
受限玻尔兹曼机RBM5-模型推断.flv
机器学习-白板推导系列22-谱聚类
谱聚类1-背景介绍.flv
谱聚类2-模型介绍.flv
谱聚类3-模型的矩阵形式.flv
谱聚类4-模型的矩阵形式.flv
谱聚类5-模型的矩阵形式.flv
机器学习-白板推导系列23-前馈神经网络
前馈神经网络1-从机器学习到深度学习.flv
前馈神经网络2-从感知机到深度学习.flv
前馈神经网络3-非线性问题的三种解决方法.flv
