10-1 本讲知识概览与导引.mp4 7.8 MB
10-10 盒子摸球案例中的状态解码实战.mp4 48.2 MB
10-11 维特比算法的程序实现(含代码实战).mp4 46.0 MB
10-12 本讲小结及下讲预告.mp4 4.2 MB
10-2 隐马尔可夫模型的两个研究主题.mp4 17.6 MB
10-3 观测序列概率估计直观解法及其问题.mp4 18.1 MB
10-4 用前向概率算法进行概率估计的原理.mp4 47.1 MB
10-5 前向概率算法应用举例.mp4 18.6 MB
10-6 前向概率算法的程序实现(含代码实战).mp4 56.3 MB
10-7 状态解码问题的描述.mp4 5.6 MB
10-8 维特比算法与最大路径概率.mp4 91.8 MB
10-9 用维特比算法进行状态解码的理论基础.mp4 30.8 MB
+第11章 推断未知:统计推断的基本框架 185.0 MB
11-1 本讲知识概览与导引.mp4 5.6 MB
11-2 统计推断的一个引例.mp4 20.9 MB
11-3 总体、样本与统计量.mp4 20.7 MB
11-4 估计误差与无偏估计(含代码实战).mp4 56.8 MB
11-5 总体方差估计与有偏性(含代码实战).mp4 76.9 MB
11-6 本讲小结及下讲预告.mp4 4.6 MB
+第12章 探寻最大可能:极大似然估计法 160.0 MB
12-1 本讲知识概览与导引.mp4 13.7 MB
12-2 极大似然估计法的引例(含代码实战).mp4 27.9 MB
12-3 似然函数的由来-.mp4 22.6 MB
12-4 扩展到连续型的似然函数.mp4 1.9 MB
12-5 极大似然估计的思想.mp4 31.4 MB
12-6 极大似然估计的计算方法.mp4 16.0 MB
12-7 单参数极大似然估计案例.mp4 11.5 MB
12-8 多参数极大似然估计案例.mp4 32.1 MB
12-9 本讲小结及下讲预告.mp4 2.9 MB
+第13章 贝叶斯统计推断:最大后验 429.0 MB
13-1 本讲知识概览与导引.mp4 7.4 MB
13-2 贝叶斯定理的回顾.mp4 16.3 MB
13-3 贝叶斯推断的理论过程.mp4 20.2 MB
13-4 贝叶斯推断实战-选取先验分布(含代码实战).mp4 46.7 MB
13-5 贝叶斯推断实战-选择观测数据的分布(含代码实战).mp4 40.3 MB
13-6 贝叶斯推断实战-计算后验分布.mp4 23.0 MB
13-7 贝叶斯推断全过程模拟验证(含代码实战).mp4 259.0 MB
13-8 关于共轭先验的问题.mp4 11.7 MB
13-9 本讲小结及下讲预告.mp4 4.7 MB
+第14章 近似推断的思想和方法 254.0 MB
14-1 本讲知识概览与导引.mp4 8.3 MB
14-10 两类采样方法的问题与思考.mp4 11.9 MB
14-11 本讲小结及下讲预告.mp4 4.8 MB
14-2 统计推断的场景与关注重点.mp4 16.5 MB
14-3 精确推断与近似推断的概念.mp4 9.3 MB
14-4 随机近似方法的理论基础.mp4 37.8 MB
14-5 接受-拒绝采样的基本方法.mp4 24.6 MB
14-6 接受-拒绝采样中建议分布及参数选取(含代码实战).mp4 39.6 MB
14-7 接受-拒绝采样过程实践(含代码实战).mp4 62.1 MB
14-8 接受-拒绝采样的方法内涵分析.mp4 20.9 MB
14-9 重要性采样的方法介绍.mp4 18.1 MB
+第15章 助力近似采样:基于马尔科夫链的采样过程 402.0 MB
15-1 本讲知识概览与导引.mp4 8.8 MB
15-2 马尔科夫链重点内容回顾.mp4 31.6 MB
15-3 马尔科夫链平稳分布的理解.mp4 26.6 MB
15-4 马尔科夫链进入稳态的过程演示(含代码实战).mp4 136.0 MB
15-5 稳态过程的再剖析与意义分析.mp4 27.1 MB
15-6 基于马尔科夫链的采样过程.mp4 41.3 MB
15-7 基于马尔科夫链的采样过程实践(含代码实战).mp4 112.0 MB
15-8 一个显而易见的难题.mp4 11.3 MB
15-9 本讲小结及下讲预告.mp4 7.7 MB
+第16章 马尔科夫链-蒙特卡洛方法详解 324.0 MB
16-1 本讲知识概览与导引.mp4 12.0 MB
16-2 问题的目标与细致平稳条件.mp4 32.6 MB
16-3 Metropolis-Hastings方法的基本思路.mp4 25.5 MB
16-4 M-H方法中的随机游走与接受因子.mp4 59.7 MB
16-5 M-H方法中建议矩阵Q的选取.mp4 81.3 MB
16-6 M-H方法的实践(含代码实战).mp4 109.0 MB
16-7 本讲小结.mp4 3.5 MB
+第1章 概率统计课程导学 12.9 MB
1-1 机器学习中的概率统计应用实践-课程导学.mp4 12.9 MB
+第2章 统计思维基石:条件概率与独立性 67.8 MB
2-1 本讲知识概览与导引.mp4 3.0 MB
2-2 从概率到条件概率.mp4 12.7 MB
2-3 条件概率与独立性.mp4 11.8 MB
2-4 从独立到条件独立.mp4 17.4 MB
2-5 全概率公式与贝叶斯基础.mp4 20.4 MB
2-6 本讲小节及小讲预告.mp4 2.6 MB
+第3章 聚焦基本元素:深入理解随机变量 187.0 MB
3-1 本讲知识概览与导引.mp4 5.3 MB
3-10 均匀分布的性质与采样(含代码实战).mp4 16.4 MB
3-11 本讲小节及小讲预告.mp4 2.1 MB
3-2 离散型随机变量及其分布列.mp4 14.2 MB
3-3 二项分布及其PMF函数(含代码实战).mp4 21.8 MB
3-4 二项分布的采样与数字特征(含代码实战).mp4 31.8 MB
3-5 几何分布的性质与采样(含代码实战).mp4 24.9 MB
3-6 泊松分布的性质与采样(含代码实战).mp4 15.2 MB
3-7 连续型随机变量及其概率密度函数.mp4 10.3 MB
3-8 正态分布的性质与采样(含代码实战).mp4 23.7 MB
3-9 指数分布的性质与采样(含代码实战).mp4 21.5 MB
+第4章 从一元到多元:探索多元随机变量 188.0 MB
4-1 本讲知识概览与导引.mp4 7.3 MB
4-10 二元高斯分布几何特征实证分析(含代码实战).mp4 21.7 MB
4-11 本讲小节及下讲预告.mp4 2.0 MB
4-2 多元随机变量的重要分布列.mp4 12.8 MB
4-3 随机变量的独立性与条件独立性.mp4 18.7 MB
4-4 多元随机变量的相关性与协方差矩阵.mp4 14.4 MB
4-5 二元正态分布:从标准到一般(含代码实战).mp4 45.9 MB
4-6 协方差与相关性的一个小问题(含代码实战).mp4 20.2 MB
4-7 相关系数的概念和特性(含代码实战).mp4 12.7 MB
4-8 随机变量独立与相关的概念辨析(含代码实战).mp4 10.5 MB
4-9 多元高斯分布的参数特征(含代码实战).mp4 21.5 MB
+第5章 极限思维:大数定律与蒙特卡罗方法 108.0 MB
5-1 本讲知识概览与导引.mp4 4.9 MB
5-10 本讲小结及下讲预告.mp4 1.9 MB
5-2 从平均身高问题引入大数定律.mp4 3.3 MB
5-3 大数定律背后的理论支撑.mp4 5.8 MB
5-4 样本均值与随机变量期望的关系(含代码实战).mp4 19.2 MB
5-5 样本均值的方差与分布(含代码实战).mp4 17.3 MB
5-6 蒙特卡罗方法的应用背景.mp4 4.2 MB
5-7 用蒙特卡罗方法近似计算圆面积(含代码实战).mp4 24.2 MB
5-8 中心极限定理的基本概念和工程背景.mp4 5.7 MB
5-9 中心极限定理的模拟与验证(含代码实战).mp4 21.4 MB
+第6章 由静到动:随机过程导引 243.0 MB
6-1 本讲知识概览与导引.mp4 10.5 MB
6-2 随机过程应用背景概述.mp4 3.3 MB
6-3 博彩中的随机过程(含代码实战).mp4 109.0 MB
6-4 随机过程模拟:股票价格的总体分布(含代码实战).mp4 48.1 MB
6-5 股票价格变化过程的展现(含代码实战).mp4 55.9 MB
6-6 两类重要的随机过程.mp4 9.5 MB
6-7 本讲小结及下讲预告.mp4 6.7 MB
+第7章 马尔科夫链(上):转移与概率 176.0 MB
7-1 本讲知识概览与导引.mp4 9.9 MB
7-2 离散时间马尔科夫链的三要素.mp4 11.5 MB
7-3 马尔科夫链的基本性质和矩阵表示.mp4 47.2 MB
7-4 多步转移概率的计算.mp4 45.2 MB
7-5 多步转移与概率乘法(含代码实战).mp4 38.4 MB
7-6 路径概率问题举例.mp4 17.7 MB
7-7 本讲小结及下讲预告.mp4 6.5 MB
+第8章 马尔科夫链(下):极限与稳态 156.0 MB
8-1 本讲知识概览与导引.mp4 7.5 MB
8-2 马尔可夫过程的两种典型极限状态.mp4 69.3 MB
8-3 马尔可夫链中的常返类和周期性.mp4 45.2 MB
8-4 马尔可夫链的稳态及求法.mp4 28.4 MB
8-5 本讲小结与下讲预告.mp4 5.6 MB
+第9章 隐马尔科夫模型(上):明暗两条线 126.0 MB
9-1 本讲知识概览与导引.mp4 13.2 MB
9-2 隐马尔科夫模型导引.mp4 7.8 MB
9-3 隐马尔科夫典型案例1:盒子摸球试验.mp4 39.9 MB
9-4 隐马尔科夫典型案例2:小宝宝的日常生活.mp4 14.2 MB
9-5 隐马尔科夫模型的外在特征和内核三要素.mp4 27.4 MB
9-6 齐次马尔可夫性和观测独立性.mp4 18.0 MB
9-7 本讲小结及下讲预告.mp4 5.6 MB
讲透机器学习概率统计,快速打造算法基础核心能力.part01.rar
(100 MB, 需要: RMB 29 元)
讲透机器学习概率统计,快速打造算法基础核心能力.part02.rar
(100 MB)
讲透机器学习概率统计,快速打造算法基础核心能力.part03.rar
(100 MB)
讲透机器学习概率统计,快速打造算法基础核心能力.part04.rar
(100 MB)
讲透机器学习概率统计,快速打造算法基础核心能力.part05.rar
(100 MB)
讲透机器学习概率统计,快速打造算法基础核心能力.part06.rar
(100 MB)
讲透机器学习概率统计,快速打造算法基础核心能力.part07.rar
(100 MB)
讲透机器学习概率统计,快速打造算法基础核心能力.part09.rar
(100 MB)
讲透机器学习概率统计,快速打造算法基础核心能力.part08.rar
(100 MB)
讲透机器学习概率统计,快速打造算法基础核心能力.part10.rar
(100 MB, 需要: RMB 10 元)
讲透机器学习概率统计,快速打造算法基础核心能力.part11.rar
(100 MB)
讲透机器学习概率统计,快速打造算法基础核心能力.part12.rar
(100 MB)
讲透机器学习概率统计,快速打造算法基础核心能力.part13.rar
(100 MB)
讲透机器学习概率统计,快速打造算法基础核心能力.part14.rar
(100 MB)
讲透机器学习概率统计,快速打造算法基础核心能力.part15.rar
(100 MB)


雷达卡


京公网安备 11010802022788号







