本文是SIGAI公众号文章作者雷明编写的《机器学习》课程新版PPT第二部分,包含了课程内容的数学、基本概念、线性回归、贝叶斯分类器、决策树、K近邻算法与距离度量学习、数据降维算法、线性判别分析、人工神经网络等7~17讲内容的PPT,是《机器学习-原理、算法与应用》一书的配套产品。《机器学习-原理算法与应用》一书被清华大学出版社评为2019年度畅销图书,感谢出版社和读者的大力支持!
此书已被多所高校采购作为机器学习与深度学习课程教材。对于有意向采用此书作为课程教材的院校,我们将在后续免费提供习题集和配套PPT。为了帮助高校更好的教学,我们将会对课程PPT进行扩充与优化,并免费提供给高校教师使用。
本书适合作为高等学习本科,研究生的机器学习和深度学习教材,也可作为人工智能领域研发人员的参考书。配套课程PPT可用于高校的机器学习与深度学习教学,以及在职人员培训时使用。对此感兴趣的在校教师和学生可以通过向SIGAI微信公众号发消息获取。配套的PPT和习题集的更新也将在后续的公众号文章中持续给出。
以下是PPT第二部分节选,点击阅读原文即可获得PPT下载链接
限于篇幅,本文只提供部分预览,本文讲稿可以去官网下载完整版本,点击阅读原文即可。
参考文献
[1] 机器学习-原理、算法与应用,雷明著,清华大学出版社
本文为SIGAI原创
如需转载,欢迎发消息
全文PDF见http://www.tensorinfinity.com/paper_229.html