贪婪学院-图神经网络高级训练营

百度网盘提取代码最近一直在关注贪婪学院的机器学习训练营，发现这个课程很有深度，不仅适合职场，也适合科研人员。入行拿高薪只是职业生涯的开始。

百度网盘

提货代码:u6C4

最近一直在关注贪婪学院的机器学习训练营，发现这个课程很有深度，不仅适合职场，也适合研究人员。加入AI行业拿高薪只是我职业生涯的开始。目前，AI人才的结构在不断升级，对AI人才的要求也在不断上升。如果对自己要求不高，很容易被快速发展的趋势淘汰。

让我们看看下面的大纲:

第一部分是凸优化和机器学习。

第一周:凸优化导论

从最优化的角度理解机器学习

优化技术的重要性

常见的凸优化问题

线性规划和单纯形法

两个-级LP

案例:运输问题的解释

第二周:凸函数的解释

凸集的判定

前-阶凸性

二阶-凸性

运算保持凸性

二次规划问题(QP)

案例:最小二乘问题

项目:投资组合优化

第三周:凸优化问题

常见的凸优化问题类别

半编程问题

几何规划问题

非凸函数优化

放松(放松)

整数规划

案例:出租车驾驶中的匹配问题

第四周:二元性

拉格朗日对偶函数

对偶的几何意义

弱和强二元性

KKT条件

LP、QP和SDP的对偶问题

案例:经典模型的对偶推导及其他实现对偶的应用。

第5周:优化技术

一阶和二阶优化技术

梯度下降

次梯度法

近端梯度下降

投影梯度下降

SGD和融合

牛顿法

准-牛顿法

第二部分是图形神经网络

第六周:数学基础

向量与图论基础

内积，希尔伯特空间

本征函数

傅立叶变换

卷积运算

时域、谱域

拉普拉斯算子

第七周:谱域中的图形神经网络

卷积神经网络回归

卷积运算的数学意义

图形卷积

图形过滤器

ChebNet

凯莱网

GCN

图形池

案例:基于GCN的建议

第八周:空间域中的图形神经网络

空间卷积

混合模型网络

注意机制

图形注意网络

边缘卷积

空间域和谱域的比较

项目:基于图形神经网络的链接预测

第九周:图形神经网络的改进与应用

1.扩展1:相对位置和图形神经网络

2.扩展:集成边要素:边GCN

3.图形神经网络和知识地图:知识GCN

扩展:手势识别:ST-GCN

案例:基于图的文本分类

案例:基于图形的阅读理解

第三部分是精读。

第10周:强化学习基础

马尔可夫决策过程

贝尔曼方程

有三种方法:价值、政策和基于模型-。

基于价值-的方法:Q-学习

基于政策-的方法:SARSA

第11周:-武装匪徒

多名武装匪徒

ε-贪婪

置信上限(UCB)

语境UCB

LinUCB &内核UCB

案例:土匪在推荐系统中的应用。

第12周:路径规划

蒙特卡罗树搜索

n-分步学习

接近

奖励塑造

结合深度学习:深度RL

作业:强化学习在游戏中的应用案例

第13周:自然语言处理研究

SEQ模型的SEQ 2问题

结合评估指标的客户流失

自定义丢失与方面相结合

不同RL模型和seq2seq模型的组合

案例:基于强化学习的文本生成

第四部分是贝叶斯方法。

第14周:贝叶斯方法介绍

托马斯·贝叶斯

从最大似然估计、映射到贝叶斯估计

集成模型与贝叶斯方法的比较

计算上的困难

MCMC和变分法简介

贝叶斯线性回归

贝叶斯神经网络

案例:基于贝叶斯-LSTM的命名实体识别

第15周:主题模型

生成模型和鉴别模型

隐藏变量模型

贝叶斯先验的重要性

狄利克雷分布，多项式分布

LDA的生成过程

LDA中的参数和隐藏变量

受监督的LDA

动态LDA

其他种类的LDA

项目:修改和建立基于LDA的无监督情感分析模型。

第16周:MCMC方法

明细余额

用于LDA的吉布斯采样

LDA的折叠吉布斯采样

大都市加速

重要性抽样

拒绝抽样

大规模分布式MCMC

大数据和SGLD

案例:分布式LDA训练

第17周:变分法

变分法的核心思想

KL散度和ELBo的推导

平均-场变分法

EM算法

用变分法推导LDA

大数据和SVI

变分法与MCMC的比较

变分自动编码器

概率规划

案例:使用概率编程工具训练贝叶斯模型