相关的资料

视频: https://www.bilibili.com/video/BV1aE411o7qd/?spm_id_from=333.1387.0.0

github: https://github.com/tsyw/MachineLearningNotes

语雀: https://www.yuque.com/books/share/f4031f65-70c1-4909-ba01-c47c31398466?#

机器学习白板推导

基础部分 (要求)

1. 绪论

2. 数学基础

3. 线性回归

4. 线性分类

5. 降维

   • Face recognition using eigenfaces

6. 支持向量机

7. 核方法

8. 指数族分布

9. 概率图模型

10. EM算法

    • EM算法在认知科学的应用 (待补充)

11. 高斯混合模型

12. 变分推断

    • 变分推断求解心理物理曲线

13. MCMC

    • MCMC求解心理物理曲线

14. HMM

    • HMM的认知科学应用 (待补充)

15. linear dynamic system

    • LDS在认知科学的应用 (待补充)

16. Particle filter

    • Particle filter在认知科学的应用 (待补充)

17. 生成模型

    • Organizing probablistic models of perception

    • The Bayesian brain: the role of uncertainty in neural coding and computation

    • Karl Friston, Free energy theory

18. GAN

    • GAN在认知科学中的应用 (待补充)

19. VAE

    • A model of working memory for latent representations

    • A generative model of memory construction and consolidation

进阶部分(不要求)

1. 前馈神经网络

2. 高斯网络

3. 贝叶斯线性回归

4. 高斯过程回归

5. Normalizing flow

6. 条件随机场

7. Restricted Bolzman Machine

8. 谱聚类

9. 直面配分函数

10. 近似推断

11. Sigmoid Belief Network

12. Deep Belief Network

13. Bolzman Machine

14. Deep Bolzman Machine