重磅！彭博社“机器学习基础”教程视频及讲义下载

（如果你有志于计算机视觉方面的研究或工程开发，请关注本公众号，绝对是一个让你不会后悔的选择）

前天，在彭博社刚刚宣布推出免费《机器学习基础》（Foundations of Machine Learning）课程的时候，52CV第一时间分享了这个消息，并下载了视频，准备分享给大家，现在视频和讲义终于上传完成，对此课程感兴趣的童鞋，赶紧下载吧。

课程内容

1.黑盒机器学习模型

2.案例：流失预测

3.统计学习理论介绍

4.随机梯度下降法

5.Excess Risk Decomposition

6.L1/L2正则化

7.Lasso, Ridge, And Elastic Net

8.回归和分类的损失函数

9.拉格朗日对偶法与凸优化

10.支持向量机

11.次梯度决策

12.特征提取

13.核方法

14.模型性能评估

15.“Citysense”:非正常行为检测的概率模型

16.最大似然估计

17.条件概率模型

18.贝叶斯方法

19.贝叶斯条件概率模型

20.分类和回归树

21.统计基础与一些引导

22.Bagging与随机森林

23.梯度提升法

24.多类与结构化预测

25.K-means 聚类

26.高斯混合模型

27.隐变量模型的EM算法

28.神经网络

29.反向传播算法与链式法则

30.关于进一步学习的建议

课程主页：
https://bloomberg.github.io/foml/#home

下载链接:
https://pan.baidu.com/s/1SBNv0olBp8nXup8jDZHClA 密码: nig9

欢迎随手转发，让更多人看到——不是看到这个课程好，而是看到你很努力

后续打算把ImageNet数据集完整版上传共享给大家，不知有人需要吗？需要的童鞋请留言！