Logo
☆☆☆☆☆
0.0
Intermediate
8h

Python中的贝叶斯机器学习优化

贝叶斯优化使开发者能够利用贝叶斯推断和统计建模,在高维空间中高效地搜索最优解。 课程从统计学和贝叶斯统计的基础知识入手,逐步介绍机器学习的各类概念及其在软件工程中的应用。随后,你将学习多种优化策略。通过实际示例和动手练习,你将熟练掌握贝叶斯优化算法的实现方法,并学会针对具体任务进行调优。课程结束时,你将全面理解贝叶斯优化的完整工作流程,从问题建模到求解优化。 完成本课程后,你将能够更高效、更有效地应对复杂的优化问题,具备在超参数调优、实验设计、算法配置以及系统优化等领域寻找最优解的能力。

5 Lessons
Included in Subscription Plan
Personalized Learning
Powered by AI
Python中的贝叶斯机器学习优化
贝叶斯优化使开发者能够利用贝叶斯推断和统计建模,在高维空间中高效地搜索最优解。 课程从统计学和贝叶斯统计的基础知识入手,逐步介绍机器学习的各类概念及其在软件工程中的应用。随后,你将学习多种优化策略。通过实际示例和动手练习,你将熟练掌握贝叶斯优化算法的实现方法,并学会针对具体任务进行调优。课程结束时...

WHAT YOU'LL LEARN

了解贝叶斯定理及其应用

TAKEAWAY SKILLS

Python
Python 3
Python Programming
Data Science
Machine Learning
Machine learning paradigms
Optimization
Neural Networks
Deep neural networks
Deep Learning

Content

5 Lessons • 0 Quizzes • 0 Challenges

贝叶斯统计学简介
  1. 1

    课程概述

  2. 2

    统计学简介

  3. 3

    频率学派与贝叶斯统计

  4. 4

    最大似然估计及其应用

  5. 5

    贝叶斯定理

  6. 6

    概率中的后验性与偏差

  7. 7

    贝叶斯定理在软件工程中的应用

  8. 8

    贝叶斯定理相较于确定性统计的优势

  9. 9

    贝叶斯定理在机器学习中的应用

贝叶斯机器学习
  1. 1

    什么是机器学习?

  2. 2

    将贝叶斯定理应用于机器学习

  3. 3

    估计模型参数的技术

  4. 4

    高斯过程

  5. 5

    使用贝叶斯定理进行回归分析

  6. 6

    理解贝叶斯回归理论

  7. 7

    贝叶斯回归的应用

优化:概述
  1. 1

    优化简介

  2. 2

    线性优化

  3. 3

    优化方法:随机搜索

  4. 4

    优化:进化算法

  5. 5

    优化:贝叶斯方法

  6. 6

    软件工程中的优化应用场景

贝叶斯优化:从零开始
  1. 1

    贝叶斯优化的组成部分

  2. 2

    商业案例研究:优化包装

  3. 3

    编码:从零实现贝叶斯优化

  4. 4

    黑盒贝叶斯优化

  5. 5

    重要的库和框架

  6. 6

    使用 Dragonfly 进行贝叶斯优化

  7. 7

    深入了解 Dragonfly

  8. 8

    将贝叶斯优化与其他优化方法进行比较

  9. 9

    编码挑战:贝叶斯优化

结论
  1. 1

    总结

Certificate of Completion

Showcase your accomplishment by sharing your certificate of completion.

Course Author:Anonymous User

Reviews

Read reviews from students who have taken this course and share your own experience.

Reviews & Comments (0)