徐亦达教授在github公布了他的历年机器学习相关课件、视频,黄海广博士协助徐亦达老师对课件目录进行翻译和整理,并提供下载。
徐亦达老师简介
徐亦达,现任悉尼科技大学教授,UTS全球数据技术中心机器学习和数据分析实验室主任。主要研究方向是机器学习,数据分析和计算机视觉。他在国际重要期刊与会议发表数篇高影响因子论文;编写了大量的数理统计、概率和机器学习教材。
徐亦达老师的课件的目录
前言
- 笔记的视频演示
- 最近的研究讲义
- 噪声对比估计 (Noise Contrastive Estimation), 概率密度再参数化
一、基础知识
1.概率论与数理统计基础
- 贝叶斯模型
- 概率估计
- 统计属性
2.概率模型
- E-M算法
- 状态空间模型(动态模型)
3.高级概率模型
- 贝叶斯非参数(BNP)及其推导基础
- 贝叶斯非参数(BNP)扩展
- 行列式点过程
4.推导课件
- 变分推导
- 随机矩阵
- 蒙特卡洛简介
- 马尔可夫链蒙特卡洛
- 粒子滤波器(序列蒙特卡洛)
二、深度学习
- 优化方法
- 神经网络
- 卷积神经网络:从基础到最近的研究
- 词表示和近似Softmax
- 深度自然语言处理
- 深度增强学习
- 受限玻尔兹曼机
三、数据科学
- 30分钟介绍人工智能和机器学习
- 回归方法
- 推荐系统
- 降维
- 数据分析简介和相关的jupyternotebook
四、致谢
徐亦达老师的课件的内容简介及相关文件
前言
- 笔记的视频演示
简介:
徐亦达老师在2015年用中文录制了这些课件中约20%的内容 (备注:课件为全英文),大家可以在YouTube、哔哩哔哩 以及优酷观看和下载。
YouTube:
https://www.youtube.com/channel/UConITmGn5PFr0hxTI2tWD4Q
哔哩哔哩:
https://space.bilibili.com/327617676
优酷:
http://i.youku.com/i/UMzIzNDgxNTg5Ng
- 最近的研究讲义
2018年7月在创新工厂和北大合办的DeeCamp的课件(当概率遇到神经网络)
简介:
主题包括:EM算法和矩阵胶囊网络;行列式点过程和神经网络压缩; 卡尔曼滤波器和LSTM; 模型估计和二分类问题关系。
文件:DeeCamp2018_Xu_final.pptx
- 噪声对比估计 (Noise Contrastive Estimation), 概率密度再参数化
简介:
噪声对比估计 (Noise Contrastive Estimation), 概率密度再参数化以及自然梯度的详细说明。
文件:selected_probability.pdf
一、基础知识
1.概率论与数理统计基础
- 贝叶斯模型
简介:
贝叶斯模型的修订包括贝叶斯预测模型,条件期望。
文件:bayesian.pdf
- 概率估计
简介:一些有用的分布,共轭,MLE,MAP,指数族和自然参数。
文件:probability.pdf
- 统计属性
简介:有用的统计属性可以帮助我们证明事物,包括切比雪夫和马尔科夫不等式。
文件:statistics.pdf
2.概率模型
- E-M算法
简介: E-M的收敛证明,E-M到高斯混合模型的例子。
文件:em.pdf,gmm_demo.m,kmeans_demo.m
优酷链接:http://v.youku.com/v_show/id_XMTM1MjY1MDU5Mg
- 状态空间模型(动态模型)
简介:
详细解释了卡尔曼滤波器和隐马尔可夫模型。
文件:
dynamic_model.pdf,kalman_demo.m
优酷链接:
隐马尔可夫模型:http://v.youku.com/v_show/id_XMTM1MzQ1NDk5Ng
卡尔曼滤波: http://v.youku.com/v_show/id_XMTM2ODU1MzMzMg
3.高级概率模型
- 贝叶斯非参数(BNP)及其推导基础
简介:
Dircihlet Process(DP),中国餐厅流程见解。
文件:
non_parametrics.pdf ,dirichlet_process.m, chinese_restaurant_process.ipynb
优酷链接:
http://v.youku.com/v_show/id_XMTM3NDY0MDkxNg
- 贝叶斯非参数(BNP)扩展
简介:
分层DP,HDP-HMM,印度自助餐过程(IBP)。
文件:non_parametrics_extensions.pdf
- 行列式点过程
简介:
解释DPP的边际分布,L-ensemble,其抽样策略,我们在时变DPP中的工作细节。
文件:dpp.pdf
4.推导课件
- 变分推导
简介:
解释变分贝叶斯非指数和指数族分布加上随机变分推导。
文件:
variational.pdf ,vbnormalgamma.m
优酷链接:
http://v.youku.com/v_show/id_XMTM1Njc5NzkxNg
- 随机矩阵
简介:
随机矩阵,幂方法收敛定理,详细平衡和PageRank算法。
文件:stochastic_matrices.pdf
- 蒙特卡洛简介
简介:
逆CDF,消除,自适应消除,重要性采样。
文件:
introduction_monte_carlo.pdf ,adaptiverejectionsampling.m,hybrid_gmm.m
- 马尔可夫链蒙特卡洛
简介:
M-H, Gibbs, SliceSampling,Elliptical Slice sampling, Swendesen-Wang, demonstrate collapsed GibbsusingLDA
文件:
markov_chain_monte_carlo.pdf,ldagibbsexample.m ,test_autocorrelation.m, gibbs.m
优酷链接:
http://v.youku.com/v_show/id_XMTM1NjAyNDYyNA
- 粒子滤波器(序列蒙特卡洛)
简介:
连续蒙特卡罗方法,冷凝滤波算法,辅助粒子滤波器。
文件:particle_filter.pdf
优酷链接:
http://v.youku.com/v_show/id_XMTM3MTE1Mjk2OA
二、深度学习
- 优化方法
简介:
常用的优化方法。不仅限于深度学习。
文件:optimization.pdf
- 神经网络
简介:
基本神经网络和多层感知器。
文件:neural_networks.pdf
- 卷积神经网络:从基础到最近的研究
简介:
卷积神经网络的详细解释,各种损失函数,中心损失函数,对比损失函数,残差网络,YOLO,SSD。
文件:cnn_beyond.pdf
- 词表示和近似Softmax
简介:
Word2Vec, skip-gram, GloVe, 噪声对比估计,负采样,Gumbel-max技巧。
文件:
word_vector.pdf
- 深度自然语言处理
简介:
RNN,LSTM,具有注意力机制的Seq2Seq,集束搜索,RNN,LSTM,具有注意力机制的Seq2Seq,集束搜索,Attention is all you need,卷积Seq2Seq,指针网络。
文件:deep_nlp.pdf
- 深度增强学习
简介:
强化学习的基础知识,马尔可夫决策过程,贝尔曼方程,并进入深度Q学习(正在建设中)
文件:dqn.pdf
- 受限玻尔兹曼机
简介:
受限玻尔兹曼机(RBM)的基础知识
文件:rbm_gan.pdf
三、数据科学
- 30分钟介绍人工智能和机器学习
简介:
用30分钟来介绍人工智能和机器学习。 (感谢徐亦达老师的博士生常皓东进行协助编辑)
文件:30_min_AI.pptx
- 回归方法
简介:
分类:Logistic回归和Softmax分类;回归:线性回归,多项式回归,混合效果模型。
文件:regression.pdf, costFunction.m,soft_max.m
- 推荐系统
简介:
协同过滤,分解机,非负矩阵分解,乘法更新规则。
文件:recommendation.pdf
- 降维
简介:
典型的PCA和 t-SNE。
文件:dimension_reduction.pdf
- 数据分析简介和相关的jupyternotebook
简介:
机器学习和数据科学的三个视角。 监督与无监督学习,分类准确性。
文件:AI_and_machine_learning.pdf
四、致谢
特别感谢徐亦达老师的博士生团队的协助一起校队课件,还有讨论以及对课件提出了许多非常宝贵的意见。其中(不完全的)包括了,常皓东,姜帅,黄皖鸣,邓辰,梁轩。特别感谢黄海广博士协助徐亦达老师将课件目录翻译成中文。
如果你想加入徐亦达老师的机器学习博士生团队或有兴趣实习, 请通过电子邮件:[email protected]与徐亦达老师联系。
参考
徐亦达老师课件的github:
https://github.com/roboticcam/machine-learning-notes
完整讲义下载请回复“徐亦达”查看
也可以直接用百度云下载:
链接:https://pan.baidu.com/s/1SidOblKEJNEzSnVCuAWHhg
提取码:uq4h
机器学习初学者
QQ群:654173748
标签:文件,中文,简介,课件,pdf,com,徐亦达 From: https://blog.51cto.com/u_15671528/5929506