Ι 课程介绍
* 课程时间：2023年完结（会员免费包更新）
* 课程包括：视频+课程资料
* 课程售价：¥34.9元
* 会员免费
* 课程目录：如下
├─1、第一周 凸优化介绍
│ 凸优化介绍-1.mp4
│ 凸优化介绍-2.mp4
│ 凸优化介绍-3.mp4
│ 凸优化介绍-4.mp4
│ 凸优化介绍-5.mp4
│ 算法复杂度回顾：P和NP-1.mp4
│ 算法复杂度回顾：P和NP-2.mp4
│ 线性规划：实战案例-1.mp4
│ 线性规划：实战案例-2.mp4
├─2、第二周 判定凸函数
│ └─1
│ 判定凸函数-1.mp4
│ 判定凸函数-2.mp4
│ 判定凸函数-3.mp4
│ 判定凸函数-4.mp4
│ 整数规划案例解析-1.mp4
│ 整数规划案例解析-2.mp4
│ 线性回归模型正则化Elastic Net和Group Lasso-1.mp4
│ 线性回归模型正则化Elastic Net和Group Lasso-2.mp4
│ 论文解读：WMD by Killian-1.mp4
│ 论文解读：WMD by Killian-2.mp4
│
├─3、第三周 凸优化问题
│ 凸优化问题-1.mp4
│ 凸优化问题-2.mp4
│ 凸优化问题-3.mp4
│ 凸优化问题-4.mp4
│ 半正定规划-1.mp4
│ 半正定规划-2.mp4
│ 整数规划案例解析-1.mp4
│ 整数规划案例解析-2.mp4
│
├─4、第四周 对偶（Duality）
│ SVM的primal和dual-1.mp4
│ SVM的primal和dual-2.mp4
│ 优化与量化投资（项目解析）-1.mp4
│ 优化与量化投资（项目解析）-2.mp4
│ 优化与量化投资（项目解析）-3.mp4
│ 优化与量化投资（项目解析）-4.mp4
│ 优化与量化投资（项目解析）-5.mp4
│ 对偶（Duality）-1.mp4
│ 对偶（Duality）-2.mp4
│ 对偶（Duality）-3.mp4
│ 损失函数的比较(Loss_functions)-1.mp4
│ 损失函数的比较(Loss_functions)-2.mp4
│
├─5、第五周 优化技术
│ ADMM-1.mp4
│ ADMM-2.mp4
│ Stochastic Optimization-1.mp4
│ Stochastic Optimization-2.mp4
│ 优化技术-1.mp4
│ 优化技术-2.mp4
│ 优化技术-3.mp4
│
├─6、第六周 数学基础
│ CNN的卷积和池化.mp4
│ 数学基础-1.mp4
│ 数学基础-2.mp4
│ 数学基础-3.mp4
│ 矩阵分解方法介绍-1.mp4
│ 矩阵分解方法介绍-2.mp4
│
├─7、第七章 谱域（Spectral Domain）的图神经网络
│ CNN weight prunning CNN的权重剪枝-1.mp4
│ CNN weight prunning CNN的权重剪枝-2.mp4
│ GCN代码解读-1.mp4
│ GCN代码解读-2.mp4
│ 谱域（Spectral Domain）的图神经网络-1.mp4
│ 谱域（Spectral Domain）的图神经网络-2.mp4
│
├─8、第八章 Attention 机制，GAT，EGCN, Monet
│ attention 机制，GAT，EGCN, Monet-1.mp4
│ attention 机制，GAT，EGCN, Monet-2.mp4
│ attention 机制，GAT，EGCN, Monet-3.mp4
│ ATtention机制在nlp的应用-1.mp4
│ ATtention机制在nlp的应用-2.mp4
│ GAT代码讲解-1.mp4
│ GAT代码讲解-2.mp4
│
└─9、第九章 图神经网络改进与应用图神经网络改进与应用
Graphsage 论文讲解+代码实践-1.mp4
Graphsage 论文讲解+代码实践-2.mp4
HyperGCN 论文讲解+代码实践-1.mp4
HyperGCN 论文讲解+代码实践-2.mp4
图神经网络改进与应用图神经网络改进与应用-1.mp4
图神经网络改进与应用图神经网络改进与应用-2.mp4
图神经网络改进与应用图神经网络改进与应用-3.mp4
图神经网络改进与应用图神经网络改进与应用-4.mp4
├─10、第十章 强化学习基础
│ 强化学习基础_1-1.mp4
│ 强化学习基础_1-2.mp4
│ 强化学习基础_1-3.mp4
│ 强化学习基础_1-4.mp4
│ 强化学习基础_2.mp4
│ 项目布置与作业一布置.mp4
│
├─11、第十一章 Playing Atari with Deep Reinforcement Learning
│ Playing Atari with Deep Reinforcement Learning-1.mp4
│ Playing Atari with Deep Reinforcement Learning-2.mp4
│
├─12、第十二章 强化学习基础
│ 作业讲解与布置.mp4
│ 强化学习基础_3-1.mp4
│ 强化学习基础_3-2.mp4
│ 强化学习基础_3-3.mp4
│ 强化学习基础_3-4.mp4
│ 强化学习基础_4.mp4
│
├─13、第十三章 自然语言处理中的RL
│ 作业三讲解.mp4
│ 强化学习于金融场景应用.mp4
│ 文本生成 + 强化学习 实战-1.mp4
│ 文本生成 + 强化学习 实战-2.mp4
│ 自然语言处理中的RL-1.mp4
│ 自然语言处理中的RL-2.mp4
│ 自然语言处理中的RL-3.mp4
│ 自然语言处理中的RL-4.mp4
│
├─14、第十四章 Bandits
│ 20210807 ML5 workshop 作业讲解.mp4
│ Bandits-1.mp4
│ Bandits-2.mp4
│ Bandits-3.mp4
│ Bandits-4.mp4
│ Bandits-5.mp4
│ Master the game of Go without human knowledge-1.mp4
│ Master the game of Go without human knowledge-2.mp4
│
├─15、第十五章 贝叶斯方法论简介
│ Linear Regression(MLE), Ridge Regression(MAP), Bayesian Linear Regression (Bayesian)-1.mp4
│ Linear Regression(MLE), Ridge Regression(MAP), Bayesian Linear Regression (Bayesian)-2.mp4
│ 贝叶斯方法论简介-1.mp4
│ 贝叶斯方法论简介-2.mp4
│ 贝叶斯方法论简介-3.mp4
│
├─16、第十六章 主题模型
│ Bayesian Neural Network Introduction-3.mp4
│ Bayesian Neural Network Introduction-4.mp4
│ Topic Model as a block-box-1.mp4
│ Topic Model as a block-box-2.mp4
│ 主题模型-1.mp4
│ 主题模型-2.mp4
│ 主题模型-3.mp4
│
├─17、第十七章 Edward library for Bayesian Learning
│ Edward library for Bayesian Learning.mp4
│ MCMC方法-1.mp4
│ MCMC方法-2.mp4
│ MCMC方法-3.mp4
│ Variational Autoencoder（VAE）-1.mp4
│ Variational Autoencoder（VAE）-2.mp4
│
├─18、第十八章 变分法（Variational Method)
│ paper阅读：Rethinking LDA-1.mp4
│ paper阅读：Rethinking LDA-2.mp4
│ 变分法（Variational Method)-1.mp4
│ 变分法（Variational Method)-2.mp4
│
├─19、第十九章 贝叶斯其他前沿主题
│ Linear Regression(MLE), Ridge Regression(MAP), Bayesian Linear Regression (Bayesian)-1.mp4
│ Linear Regression(MLE), Ridge Regression(MAP), Bayesian Linear Regression (Bayesian)-2.mp4
│ 贝叶斯其他前沿主题-1.mp4
│ 贝叶斯其他前沿主题-2.mp4
│ 贝叶斯方法论简介-1.mp4
│ 贝叶斯方法论简介-2.mp4
│ 贝叶斯方法论简介-3.mp4
│
├─20、第二十章 就业指导
│ 就业指导-1.mp4
│ 就业指导-2.mp4
│
