张志华教授《机器学习导论》和《统计机器学习》课程讲义

张志华教授《机器学习导论》和《统计机器学习》课程讲义

    【尊重原创，转载请注明出处】http://blog.csdn.net/guyuealian/article/details/53672487 

     最近看了上海交大张志华教授的精品课程 《机器学习导论》和《统计机器学习》，觉得讲的很深入，适合学习机器学习和深度学习的研究者深入学习，张教授讲的比较偏向理论，需要一定的数学基础。

    至于广大网友最关心的课程讲义和配套教材书籍，后来鄙人邮件详问过张志华教授，他说“目前只有学生记录下来的讲义，没有专门的教材”，张教授还好心留下讲义的下载链接：http://bcmi.sjtu.edu.cn/log/courses.html ，这也是他的个人主页，讲义不一定完全配套视频，自己且看且将就着用吧。

    PS：鄙人并非上海交大的学生，所以也不清楚交大同学们现在用什么教程和讲义，如果交大的网友看见此文，希望能告知相关内容，方面我们相互学习，拜托了~！

     张教授的简历请见：http://www.cs.sjtu.edu.cn/PeopleDetail.aspx?id=68 

一、《机器学习导论》

课程视频：http://ocw.sjtu.edu.cn/G2S/OCW/cn/CourseDetails.htm?Id=397

或者到云盘下载: http://pan.baidu.com/s/1miuJwDU 密码: ab8e

课程目录：

01. 基本概念02. 随机向量03. 随机向量的性质04. 条件期望05. 多元高斯分布06. 分布的性质07. 多元高斯分布及其运用08. 多项式分布09. 渐进性质10. 核定义11. 正定核性质12. 正定核应用13. 主元分析14. 主坐标分析15.  核主元分析16. 概率PCA17. 最大似然估计方法18. 期望最大算法19. EM算法的收敛性20. MDS方法21. MDS中加点方法22. T矩阵范式23. 次导数24. 矩阵次导数25. Matrix_Completion26. K_means algorithm27. spectral clustering28. 谱聚类129. 谱聚类230. Fisher判别分析31. Fisher Discriminant Analysis32. computational Methods133. computational Methods234. Kernel FDA35. Linear classification136. Linear classification237. Naive Bayes 方法38. Support Vector Machinese139. Support Vector Machinese240. SVM 41. Boosting142. Boosting2

二、《统计机器学习》
课程视频：http://ocw.sjtu.edu.cn/G2S/OCW/cn/CourseDetails.htm?Id=398或者到云盘下载: 链接: http://pan.baidu.com/s/1i5iEpnR 密码: wct9
课程目录：
01. 概率基础02. 随机变量103. 随机变量204. 高斯分布05. 连续分布06. 例子07. scale mixture pisribarin08. jeffrey prior09. statistic interence10. Laplace 变换11. 多元分布定义12. 概率变换13. jacobian14. wedge production15. 统计量16. 多元正态分布17. Wishart 分布18. 矩阵元Beta分布19. 统计量 充分统计量20. 指数值分布21. 共轭先验性质22. Entropy23. KL distance24. properties25. 概率不等式126. 概率不等式227. 概率不等式128. 概率不等式229. 概率不等式330. 概率不等式31. 随机投影32. John引理33. Stochastic Convergence-概念34. Stochastic Convergence-性质35. Stochastic Convergence-应用36. EM算法137. EM算法38. EM算法339. Markov Chain Monte carlo140. Markov Chain Monte carlo241. Bayesian Classification

转载自：http://blog.csdn.net/guyuealian/article/details/53672487