機器學習高手最新扛鼎制作課程的最大優勢，就是還原了課堂上課的真實感覺，加之講師一流的技術水平以及清晰的邏輯和推導能力，讓機器學習這個本身就難啃的硬骨頭，軟了不少。課程內容對機器學習進行了非常詳細的拆解，除了常規的內容，還進行了包括高斯混合模型GMM，隱馬爾可夫模型，變分推斷，線性動態系統-卡曼濾波，受限玻爾茲曼機RBM，前饋神經網絡等等前置的課程。如果覺得一般課程有難度的同學，可以來試試白板推導系列的課程，一定會有不一樣的體驗。
===============課程目錄===============
(1)\機器學習-白板推導系列（10）-EM算法；目錄中文件數:6個
├─EM算法（1）-EM算法公式以及算法收斂性證明.flv
├─EM算法（2）-EM算法公式導出之ELBO-KL Diver.flv
├─EM算法（3）-EM算法公式導出之ELBO-Jensen I.flv
├─EM算法（4）-EM算法再回首.flv
├─EM算法（5）-廣義EM.flv
├─EM算法（6）-EM變種.flv
(2)\機器學習-白板推導系列（11）-高斯混合模型GMM；目錄中文件數:4個
├─高斯混合模型（1）-模型介紹.flv
├─高斯混合模型（2）-極大似然.flv
├─高斯混合模型（3）-EM求解-E-Ste.flv
├─高斯混合模型（4）-EM求解-M-Ste.flv
(3)\機器學習-白板推導系列（12）-變分推斷；目錄中文件數:5個
├─變分推斷1（背景介紹）.flv
├─變分推斷2（公式推導).flv
├─變分推斷3（再回首).flv
├─變分推斷4（隨機梯度變分推斷-SGVI-1).flv
├─變分推斷5（隨機梯度變分推斷-SGVI-2).flv
(4)\機器學習-白板推導系列（13）-MCMC；目錄中文件數:8個
├─蒙特卡洛方法1.flv
├─蒙特卡洛方法2.flv
├─蒙特卡洛方法3.flv
├─蒙特卡洛方法4.flv
├─蒙特卡洛方法5-吉布斯采樣.flv
├─蒙特卡洛方法6.flv
├─蒙特卡洛方法7.flv
├─蒙特卡洛方法8.flv
(5)\機器學習-白板推導系列（14）-隱馬爾可夫模型；目錄中文件數:8個
├─隱馬爾可夫模型HMM（1）-背景介紹.flv
├─隱馬爾可夫模型HMM（2）-背景介紹.flv
├─隱馬爾可夫模型HMM（3）-前向算法.flv
├─隱馬爾可夫模型HMM（4）-后向算法.flv
├─隱馬爾可夫模型HMM（5）-Baum Welch算法.flv
├─隱馬爾可夫模型HMM（6）-維特比算法.flv
├─隱馬爾可夫模型HMM（7）-小結.flv
├─隱馬爾可夫模型HMM（8）-小結.flv
(6)\機器學習-白板推導系列（15）-線性動態系統-卡曼濾波；目錄中文件數:3個
├─線性動態系統1-KalmanFilter.flv
├─線性動態系統2-Filtering問題.flv
├─線性動態系統3-Filtering問題求解.flv
(7)\機器學習-白板推導系列（16）-粒子濾波；目錄中文件數:4個
├─粒子濾波1-背景介紹.flv
├─粒子濾波2-重要性采樣.flv
├─粒子濾波3-重采樣.flv
├─粒子濾波4-SIR Filter.flv
(8)\機器學習-白板推導系列（17）-條件隨機場CRF；目錄中文件數:8個
├─條件隨機場（1）-背景介紹.flv
├─條件隨機場（2）-HMM VS MEM.flv
├─條件隨機場（3）-MEMM VS CR.flv
├─條件隨機場（4）-CRF模型-概率密度.flv
├─條件隨機場（5）-CRF模型-概率密度.flv
├─條件隨機場（6）-CRF模型-要解決的.flv
├─條件隨機場（7）-CRF模型-Infe.flv
├─條件隨機場（8）-CRF模型-Lear.flv
(9)\機器學習-白板推導系列（18）-高斯網絡；目錄中文件數:3個
├─高斯網絡（1）-總體介紹.flv
├─高斯網絡（2）-高斯貝葉斯網絡.flv
├─高斯網絡（3）-高斯馬爾科夫隨機場.flv
(10)\機器學習-白板推導系列（19）-貝葉斯線性回歸；目錄中文件數:5個
├─貝葉斯線性回歸（1）-背景介紹.flv
├─貝葉斯線性回歸（2）-推導介紹.flv
├─貝葉斯線性回歸（3）-推導介紹.flv
├─貝葉斯線性回歸（4）-推導預測.flv
├─貝葉斯線性回歸（5）-小結.flv
(11)\機器學習-白板推導系列（1）-開篇；目錄中文件數:2個
├─開篇（1）-頻率派VS貝葉斯派.flv
├─開篇（2）-學習資料介紹.flv
(12)\機器學習-白板推導系列（20）-高斯過程GP；目錄中文件數:4個
├─高斯過程GP（1）-簡單介紹.flv
├─高斯過程GP（2）-權重空間角度.flv
├─高斯過程GP（3）-權重空間到函數空間.flv
├─高斯過程GP（4）-函數空間的角度.flv
(13)\機器學習-白板推導系列（21）-受限玻爾茲曼機RBM；目錄中文件數:6個
├─受限玻爾茲曼機RBM（1）-背景介紹.flv
├─受限玻爾茲曼機RBM（2）-背景介紹.flv
├─受限玻爾茲曼機RBM（3）-模型表示.flv
├─受限玻爾茲曼機RBM（4）-模型表示.flv
├─受限玻爾茲曼機RBM（5）-模型推斷.flv
├─受限玻爾茲曼機RBM（6）-模型推斷.flv
(14)\機器學習-白板推導系列（22）-譜聚類；目錄中文件數:5個
├─譜聚類（1）-背景介紹.flv
├─譜聚類（2）-模型介紹.flv
├─譜聚類（3）-模型的矩陣形式.flv
├─譜聚類（4）-模型的矩陣形式.flv
├─譜聚類（5）-模型的矩陣形式.flv
(15)\機器學習-白板推導系列（23）-前饋神經網絡；目錄中文件數:3個
├─前饋神經網絡（1）-從機器學習到深度學習.flv
├─前饋神經網絡（2）-從感知機到深度學習.flv
├─前饋神經網絡（3）-非線性問題的三種解決方法.flv
(16)\機器學習-白板推導系列（2）-數學基礎；目錄中文件數:7個
├─數學基礎（1）-高斯分布-極大似然估計.flv
├─數學基礎（2）-高斯分布-極大似然估計（無偏估計VS有偏估計）).flv
├─數學基礎（3）-高斯分布-從概率密度函數角度觀察.flv
├─數學基礎（4）-高斯分布-局限性.flv
├─數學基礎（5）-高斯分布-已知聯合概率求邊緣概率及條件概率.flv
├─數學基礎（6）-高斯分布-已知邊緣和條件概率求聯合概率分布.flv
├─數學基礎（7）-不等式-杰森不等式.flv
(17)\機器學習-白板推導系列（3）-線性回歸；目錄中文件數:4個
├─線性回歸1（最小二乘法及其幾何意義）).flv
├─線性回歸2（最小二乘法-概率視角-高斯噪聲-MLE）).flv
├─線性回歸3（正則化-嶺回歸）).flv
├─線性回歸4（正則化-嶺回歸-概率角度-高斯噪聲高斯先驗-MAP）.flv
(18)\機器學習-白板推導系列（4）-線性分類；目錄中文件數:9個
├─線性分類1-背景.flv
├─線性分類2-感知機（Perceptron).flv
├─線性分類3-線性判別分析（Fisher判別分析）-模型.flv
├─線性分類4-線性判別分析（Fisher判別分析）-模型.flv
├─線性分類5-邏輯回歸.flv
├─線性分類6-高斯判別分析.flv
├─線性分類7-高斯判別分析.flv
├─線性分類8-高斯判別分析.flv
├─線性分類9-樸素貝葉斯分類器.flv
(19)\機器學習-白板推導系列（5）-降維；目錄中文件數:6個
├─降維1-背景介紹.flv
├─降維2-樣本均值&樣本方差的矩陣表示.flv
├─降維3-主成分分析（PCA）-最大投影方差角度.flv
├─降維4-主成分分析（PCA）-最小重構代價角度.flv
├─降維5-主成分分析（PCA）-SVD角度.flv
├─降維6-主成分分析（PCA）-概率角度.flv
(20)\機器學習-白板推導系列（6）-支持向量機SVM；目錄中文件數:9個
├─支持向量機1-硬間隔SVM-模型定義.flv
├─支持向量機2-硬間隔SVM-模型求解.flv
├─支持向量機3-硬間隔SVM-模型求解.flv
├─支持向量機4-軟間隔SVM-模型定義.flv
├─支持向量機5-約束優化問題-弱對偶性證明.flv
├─支持向量機6-約束優化問題-對偶關系的幾何解.flv
├─支持向量機7-約束優化問題-對偶關系之sla.flv
├─支持向量機8-約束優化問題-對偶關系之KKT.flv
├─支持向量機9-備份.flv
(21)\機器學習-白板推導系列（7）-核方法；目錄中文件數:4個
├─核方法（1）-背景介紹.flv
├─核方法（2）-正定核的兩個定義.flv
├─核方法（3）-正定核充要條件-必要性證明.flv
├─核方法（4）-備份.flv
(22)\機器學習-白板推導系列（8）-指數族分布；目錄中文件數:7個
├─指數族分布1-背景.flv
├─指數族分布2-背景.flv
├─指數族分布3-高斯分布的指數族形式.flv
├─指數族分布4-對數配分函數與充分統.flv
├─指數族分布5-極大似然估計與充分統.flv
├─指數族分布6-最大熵角度.flv
├─指數族分布7-最大熵角度.flv
(23)\機器學習-白板推導系列（9）-概率圖模型基礎；目錄中文件數:15個
├─概率圖模型1-背景介紹.flv
├─概率圖模型10-推斷.flv
├─概率圖模型11-推斷.flv
├─概率圖模型12-推斷.flv
├─概率圖模型13-推斷.flv
├─概率圖模型14-概念補充-道德圖.flv
├─概率圖模型15-概念補充-因子圖.flv
├─概率圖模型2-貝葉斯網絡-Representation-條件獨立性.flv
├─概率圖模型3（補充解釋）-貝葉斯網絡-Representation-條件獨立性).flv
├─概率圖模型4-貝葉斯網絡.flv
├─概率圖模型5-貝葉斯網絡.flv
├─概率圖模型6-馬爾可夫隨機場.flv
├─概率圖模型7-馬爾可夫隨機場.flv
├─概率圖模型8-推斷Inference.flv
├─概率圖模型9-推斷.flv
