第2季回归 | 这次我们来聊聊机器学习
王天一
该思维导图由 AI 生成，仅供参考
你好，我是王天一，好久不见。
我想告诉你个好消息，我的新专栏“机器学习 40 讲”终于可以和你见面了！
首先，要谢谢你的一路陪伴，咱们“人工智能基础课”这个专栏，从去年 12 月 5 日上线以来，累计订阅 5000+，可以说，是你的支持让我有了写新专栏的动力。
基础课是学习人工智能的入门第一课，相当于给了你一张人工智能的地图，我希望你可以按图索骥，一点点摸清楚人工智能的大概轮廓，找到学习的方向。
但是人工智能领域的内容浩如烟海，40 期的基础课也基本上是浅尝辄止，只能算是带着你品尝了一下味道。要想继续在人工智能领域深耕，就要沿着人工智能的学习路径，继续打好基础，而人工智能里最重要的基础一定是机器学习。
近年来深度学习很火热，特别是 CNN、RNN 等深度学习模型都取得了很好的效果，获得了极大的关注。但是深度学习的很多模型、算法其实都是根植于机器学习的。对机器学习没有深入学习和深刻理解的话，也很难真正掌握深度学习的精髓。毫无疑问，机器学习依然占据着人工智能的核心地位，也是人工智能中发展最快的分支之一。
在这个新专栏中，我会从机器学习中的共性问题讲起，从统计机器学习和概率图模型两个角度，详细解读一系列最流行的机器学习模型。除了理论之外，在每个模型的介绍中还会穿插一些基于 Python 语言的简单实例，帮你加强对于模型的理解。
“机器学习 40 讲”专栏共 40 期，分为 3 大模块。
机器学习概观。这一模块将从频率学派与贝叶斯学派这两个视角来看机器学习，并讨论超脱于模型和方法之外的一些共性问题，包括模型的分类方式、设计准则、评估指标等。
统计机器学习模型。这一模块将以线性模型为主线，讨论模型的多种扩展和修正，如正则化、线性降维、核方法、基函数变化、随机森林等，探究从简单线性回归到复杂深度网络的发展历程。
概率图模型。这一模块将以高斯分布为起点，将高斯分布应用到从简单到复杂的图模型中，由此认识不同的模型特性与不同的计算技巧，如朴素贝叶斯、高斯混合模型、马尔科夫随机场等。
专栏详细目录如下：
希望可以和你一起，在人工智能的道路上继续探索。
对了，专栏的运营同学还给你发了 10 元专属优惠券，优惠券可以和限时特价同享，也就是只用 35 元就能买到原价 68 元的“机器学习 40 讲”，但是优惠券有效期仅 4 天，所以提醒你抓紧使用。
我们新专栏见！
公开
同步至部落
取消
完成
0/2000
荧光笔
直线
曲线笔记
复制
AI
- 深入了解
- 翻译
- 解释
- 总结
王天一的新专栏“机器学习40讲”将帮助读者打通机器学习的任督二脉。文章介绍了人工智能基础课的成功和对机器学习的重要性。深度学习的火热背后，机器学习仍然是人工智能的核心，也是发展最快的分支之一。新专栏将分为三大模块，从机器学习概观、统计机器学习模型和概率图模型三个角度详细解读一系列最流行的机器学习模型。此外，专栏还提供了10元专属优惠券，有效期仅4天。这个专栏将帮助读者在人工智能的道路上继续探索。
仅可试看部分内容，如需阅读全部内容，请付费购买文章所属专栏
《人工智能基础课》，新⼈⾸单¥59
《人工智能基础课》，新⼈⾸单¥59
立即购买
© 版权归极客邦科技所有，未经许可不得传播售卖。 页面已增加防盗追踪，如有侵权极客邦将依法追究其法律责任。
登录 后留言
全部留言(1)
- 最新
- 精选
ifelse
学习打卡2023-05-22归属地：浙江
收起评论