视频选集 伯禹ACM导论 第1课-机器学习简介 第2课-机器学习基本思维 第3课-机器学习数学基础 第4课-有监督学习-线性回归 第5课-线性分类模型 第6课-泛线性模型 第7课-支持向量机-简介 第8课-支持向量机-优化 第9课-支持向量机-核函数 第10课-人工神经网络 第11课-反向传播算法 第12课-深度学习-简介 第13课-深度学习-简介2 第14课-卷积神经网络 第15课-循环神经网络 第16课-决策树-信息论 第17课-集成学习 第18课-随机森林 第19课-提升算法 第20课-梯度提升决策树 第21课-深度森林-简介 第22课-深度森林-前沿 第23课-协同过滤 第24课-学习排序 第25课-搜索推荐系统前沿 第26课-概率图模型 第27课-马尔科夫图模型 第28课-概率图模型推断 第29课-无监督学习 第30课-PAC降维 第31课-EM算法 第32课-深度无监督学习 第33课-自编码机 第34课-学习理论-泛化误差 第35课-学习理论-VC维 第36课-模型选择 第37课-强化学习简介 第38课-动态规划法 第39课-无模型价值估计 第40课-无模型强化学习 第41课-价值函数近似算法 第42课-策略梯度 第43课-深度强化学习简介 第44课-生成式对抗网络 第45课深度强化学习简介2 第46课-模仿学习 第47课-多智体强化学习 第48课-多任务学习 第49课-迁移学习-简介 第50课-迁移学习-前沿 第51课-元学习 第52课-自动机器学习