首页

投稿

机器学习理论公认天花板：马腾宇斯坦福 CS229

4245

2

2026-05-21 16:48:54

未经作者授权，禁止转载

资料可在gong众号【Abner说Ai】回复【12】即可无偿获取~

搞AI的拓荒室发消息

专注 AI 入门教程，用简单易懂的方式拆解 AI 知识，无论是兴趣、提升技能还是科研都能在这里找到适合的入门内容～

第 1 讲机器学习导论

01:18:42

第 2 讲监督学习设定、最小均方算法（LMS）

59:56

第 3 讲加权最小二乘法、逻辑回归、牛顿法

01:12:59

第 4 讲指数族分布、广义线性模型（GLM）

01:17:25

第 5 讲高斯判别分析、朴素贝叶斯

01:28:34

第 6 讲朴素贝叶斯、拉普拉斯平滑

01:23:24

第 7 讲核方法

01:28:24

第 8 讲神经网络（一）

01:10:16

第 9 讲神经网络（二）：反向传播（backprop）

01:29:32

第 10 讲偏差 - 方差、正则化

01:30:23

第 11 讲特征工程、模型选择、机器学习实践建议

01:29:10

第 12 讲 K 均值聚类、高斯混合模型（非 EM 版）、期望最大化算法（EM）

01:26:40

第 13 讲高斯混合模型（EM 算法实现）

01:27:52

第 14 讲因子分析、主成分分析（PCA）

01:29:14

第 15 讲主成分分析（PCA）、独立成分分析（ICA）

01:16:48

第 16 讲自监督学习

01:23:03

第 17 讲强化学习基础概念、值迭代、策略迭代

01:30:43

第 18 讲机器学习的社会影响（James Zou 教授特邀讲座）

59:51

第 19 讲基于模型的强化学习、值函数近似

01:20:22

顶部