论坛 › 『IT教程新版』 › rk0418-mksz545-机器学习中的概率统计应用实践[完结]

@海岛黑-网营 发表于 2024-11-20 02:00

rk0418-mksz545-机器学习中的概率统计应用实践[完结]

——/mksz545-机器学习中的概率统计应用实践[完结]/
├──第10章 隐马尔可夫模型（下）：概率估计与状态解码
|   ├──10-1 本讲知识概览与导引.mp47.80M
|   ├──10-10 盒子摸球案例中的状态解码实战.mp448.67M
|   ├──10-11 维特比算法的程序实现（含代码实战）.mp446.48M
|   ├──10-12 本讲小结及下讲预告.mp44.23M
|   ├──10-2 隐马尔可夫模型的两个研究主题.mp417.77M
|   ├──10-3 观测序列概率估计直观解法及其问题.mp418.34M
|   ├──10-4 用前向概率算法进行概率估计的原理.mp447.53M
|   ├──10-5 前向概率算法应用举例.mp418.81M
|   ├──10-6 前向概率算法的程序实现（含代码实战）.mp457.10M
|   ├──10-7 状态解码问题的描述.mp45.64M
|   ├──10-8 维特比算法与最大路径概率.mp492.16M
|   └──10-9 用维特比算法进行状态解码的理论基础.mp431.14M
├──第11章 推断未知：统计推断的基本框架
|   ├──11-1 本讲知识概览与导引.mp45.60M
|   ├──11-2 统计推断的一个引例.mp420.99M
|   ├──11-3 总体、样本与统计量.mp420.87M
|   ├──11-4 估计误差与无偏估计（含代码实战）.mp457.59M
|   ├──11-5 总体方差估计与有偏性（含代码实战）.mp477.56M
|   └──11-6 本讲小结及下讲预告.mp44.57M
├──第12章 探寻最大可能：极大似然估计法
|   ├──12-1 本讲知识概览与导引.mp413.66M
|   ├──12-2 极大似然估计法的引例（含代码实战）.mp428.33M
|   ├──12-3 似然函数的由来-.mp422.77M
|   ├──12-4 扩展到连续型的似然函数.mp41.94M
|   ├──12-5 极大似然估计的思想.mp431.50M
|   ├──12-6 极大似然估计的计算方法.mp416.16M
|   ├──12-7 单参数极大似然估计案例.mp411.65M
|   ├──12-8 多参数极大似然估计案例.mp432.49M
|   └──12-9 本讲小结及下讲预告.mp42.85M
├──第13章 贝叶斯统计推断：最大后验
|   ├──13-1 本讲知识概览与导引.mp47.40M
|   ├──13-2 贝叶斯定理的回顾.mp416.41M
|   ├──13-3 贝叶斯推断的理论过程.mp420.31M
|   ├──13-4 贝叶斯推断实战-选取先验分布（含代码实战）.mp447.40M
|   ├──13-5 贝叶斯推断实战-选择观测数据的分布（含代码实战）.mp441.06M
|   ├──13-6 贝叶斯推断实战-计算后验分布.mp423.26M
|   ├──13-7 贝叶斯推断全过程模拟验证（含代码实战）.mp4259.30M
|   ├──13-8 关于共轭先验的问题.mp411.81M
|   └──13-9 本讲小结及下讲预告.mp44.69M
├──第14章 近似推断的思想和方法
|   ├──14-1 本讲知识概览与导引.mp48.31M
|   ├──14-10 两类采样方法的问题与思考.mp411.93M
|   ├──14-11 本讲小结及下讲预告.mp44.78M
|   ├──14-2 统计推断的场景与关注重点.mp416.51M
|   ├──14-3 精确推断与近似推断的概念.mp49.34M
|   ├──14-4 随机近似方法的理论基础.mp437.76M
|   ├──14-5 接受-拒绝采样的基本方法.mp424.64M
|   ├──14-6 接受-拒绝采样中建议分布及参数选取（含代码实战）.mp439.60M
|   ├──14-7 接受-拒绝采样过程实践（含代码实战）.mp462.06M
|   ├──14-8 接受-拒绝采样的方法内涵分析.mp420.94M
|   └──14-9 重要性采样的方法介绍.mp418.07M
├──第15章 助力近似采样：基于马尔科夫链的采样过程
|   ├──15-1 本讲知识概览与导引.mp48.81M
|   ├──15-2 马尔科夫链重点内容回顾.mp431.57M
|   ├──15-3 马尔科夫链平稳分布的理解.mp426.59M
|   ├──15-4 马尔科夫链进入稳态的过程演示（含代码实战）.mp4135.58M
|   ├──15-5 稳态过程的再剖析与意义分析.mp427.08M
|   ├──15-6 基于马尔科夫链的采样过程.mp441.26M
|   ├──15-7 基于马尔科夫链的采样过程实践（含代码实战）.mp4112.27M
|   ├──15-8 一个显而易见的难题.mp411.34M
|   └──15-9 本讲小结及下讲预告.mp47.74M
├──第16章 马尔科夫链-蒙特卡洛方法详解
|   ├──16-1 本讲知识概览与导引.mp412.05M
|   ├──16-2 问题的目标与细致平稳条件.mp432.56M
|   ├──16-3 Metropolis-Hastings方法的基本思路.mp425.50M
|   ├──16-4 M-H方法中的随机游走与接受因子.mp459.66M
|   ├──16-5 M-H方法中建议矩阵Q的选取.mp481.29M
|   ├──16-6 M-H方法的实践（含代码实战）.mp4108.93M
|   └──16-7 本讲小结.mp43.52M
├──第1章 概率统计课程导学
|   └──1-1 机器学习中的概率统计应用实践-课程导学.mp413.62M
├──第1章 概率统计课程导学(1)
|   └──第1章 概率统计课程导学
|   |   └──1-1 机器学习中的概率统计应用实践-课程导学.mp413.62M
├──第2章 统计思维基石：条件概率与独立性
|   ├──2-1 本讲知识概览与导引.mp42.93M
|   ├──2-2 从概率到条件概率.mp412.76M
|   ├──2-3 条件概率与独立性.mp412.32M
|   ├──2-4 从独立到条件独立.mp419.40M
|   ├──2-5 全概率公式与贝叶斯基础.mp419.79M
|   └──2-6 本讲小节及小讲预告.mp42.30M
├──第2章 统计思维基石：条件概率与独立性(1)
|   └──第2章 统计思维基石：条件概率与独立性
|   |   ├──2-1 本讲知识概览与导引.mp42.93M
|   |   ├──2-2 从概率到条件概率.mp412.76M
|   |   ├──2-3 条件概率与独立性.mp412.32M
|   |   ├──2-4 从独立到条件独立.mp419.40M
|   |   ├──2-5 全概率公式与贝叶斯基础.mp419.79M
|   |   └──2-6 本讲小节及小讲预告.mp42.30M
├──第3章 聚焦基本元素：深入理解随机变量
|   ├──3-1 本讲知识概览与导引.mp44.95M
|   ├──3-10 均匀分布的性质与采样（含代码实战）.mp419.75M
|   ├──3-11 本讲小节及小讲预告.mp42.01M
|   ├──3-2 离散型随机变量及其分布列.mp414.07M
|   ├──3-3 二项分布及其PMF函数（含代码实战）.mp426.16M
|   ├──3-4 二项分布的采样与数字特征（含代码实战）.mp439.43M
|   ├──3-5 几何分布的性质与采样（含代码实战）.mp430.53M
|   ├──3-6 泊松分布的性质与采样（含代码实战）.mp418.41M
|   ├──3-7 连续型随机变量及其概率密度函数.mp410.10M
|   ├──3-8 正态分布的性质与采样（含代码实战）.mp429.32M
|   └──3-9 指数分布的性质与采样（含代码实战）.mp425.74M
├──第4章 从一元到多元：探索多元随机变量
|   ├──4-1 本讲知识概览与导引.mp48.06M
|   ├──4-10 二元高斯分布几何特征实证分析（含代码实战）.mp422.86M
|   ├──4-11 本讲小节及下讲预告.mp41.85M
|   ├──4-2 多元随机变量的重要分布列.mp413.35M
|   ├──4-3 随机变量的独立性与条件独立性.mp418.91M
|   ├──4-4 多元随机变量的相关性与协方差矩阵.mp413.59M
|   ├──4-5 二元正态分布：从标准到一般（含代码实战）.mp454.10M
|   ├──4-6 协方差与相关性的一个小问题（含代码实战）.mp423.53M
|   ├──4-7 相关系数的概念和特性（含代码实战）.mp415.44M
|   ├──4-8 随机变量独立与相关的概念辨析（含代码实战）.mp411.64M
|   └──4-9 多元高斯分布的参数特征（含代码实战）.mp424.05M
├──第5章 极限思维：大数定律与蒙特卡罗方法
|   ├──5-1 本讲知识概览与导引.mp44.96M
|   ├──5-10 本讲小结及下讲预告.mp41.75M
|   ├──5-2 从平均身高问题引入大数定律.mp43.47M
|   ├──5-3 大数定律背后的理论支撑.mp46.22M
|   ├──5-4 样本均值与随机变量期望的关系（含代码实战）.mp424.06M
|   ├──5-5 样本均值的方差与分布（含代码实战）.mp420.76M
|   ├──5-6 蒙特卡罗方法的应用背景.mp44.40M
|   ├──5-7 用蒙特卡罗方法近似计算圆面积（含代码实战）.mp429.26M
|   ├──5-8 中心极限定理的基本概念和工程背景.mp46.03M
|   └──5-9 中心极限定理的模拟与验证（含代码实战）.mp425.85M
├──第6章 由静到动：随机过程导引
|   ├──6-1 本讲知识概览与导引.mp410.49M
|   ├──6-2 随机过程应用背景概述.mp43.34M
|   ├──6-3 博彩中的随机过程（含代码实战）.mp4108.77M
|   ├──6-4 随机过程模拟：股票价格的总体分布（含代码实战）.mp448.08M
|   ├──6-5 股票价格变化过程的展现（含代码实战）.mp455.92M
|   ├──6-6 两类重要的随机过程.mp49.47M
|   └──6-7 本讲小结及下讲预告.mp46.66M
├──第7章 马尔科夫链（上）：转移与概率
|   ├──7-1 本讲知识概览与导引.mp49.95M
|   ├──7-2 离散时间马尔科夫链的三要素.mp411.49M
|   ├──7-3 马尔科夫链的基本性质和矩阵表示.mp447.18M
|   ├──7-4 多步转移概率的计算.mp445.19M
|   ├──7-5 多步转移与概率乘法（含代码实战）.mp438.43M
|   ├──7-6 路径概率问题举例.mp417.66M
|   └──7-7 本讲小结及下讲预告.mp46.48M
├──第8章 马尔科夫链（下）：极限与稳态
|   ├──8-1 本讲知识概览与导引.mp47.54M
|   ├──8-2 马尔可夫过程的两种典型极限状态.mp469.32M
|   ├──8-3 马尔可夫链中的常返类和周期性.mp445.17M
|   ├──8-4 马尔可夫链的稳态及求法.mp428.41M
|   └──8-5 本讲小结与下讲预告.mp45.59M
└──第9章 隐马尔科夫模型（上）：明暗两条线
|   ├──9-1 本讲知识概览与导引.mp413.30M
|   ├──9-2 隐马尔科夫模型导引.mp47.77M
|   ├──9-3 隐马尔科夫典型案例1：盒子摸球试验.mp440.35M
|   ├──9-4 隐马尔科夫典型案例2：小宝宝的日常生活.mp414.31M
|   ├──9-5 隐马尔科夫模型的外在特征和内核三要素.mp427.59M
|   ├──9-6 齐次马尔可夫性和观测独立性.mp418.14M
|   └──9-7 本讲小结及下讲预告.mp45.61M

一阳花 发表于 2024-11-20 06:03

:loveliness::handshake:hug:

muzos 发表于 2024-11-20 06:23

强烈支持楼主ing……

laoda1229 发表于 2024-11-20 07:06

楼主太厉害了！楼主，I*老*虎*U！

galahado 发表于 2024-11-20 07:08

:)

huluancuan 发表于 2024-11-20 07:51

机器学习中的概率统计应用实践

yjip267 发表于 2024-11-20 08:07

器学习中的概率统计应用实践

z123456 发表于 2024-11-20 08:25

器学习中的概率统计应用实践

John_version 发表于 2024-11-20 08:33

RE: rk0418-mksz545-机器学习中的概率统计应用实践[完结] [修改]

pang53306524 发表于 2024-11-20 08:37

这个玩明白了真行

查看完整版本: rk0418-mksz545-机器学习中的概率统计应用实践[完结]