机器学习中的概率统计应用实践[完结]/
├──第10章 隐马尔可夫模型(下)：概率估计与状态解码
| ├──10-1 本讲知识概览与导引.mp4 7.80M
| ├──10-10 盒子摸球案例中的状态解码实战.mp4 48.67M
| ├──10-11 维特比算法的程序实现(含代码实战).mp4 46.48M
| ├──10-12 本讲小结及下讲预告.mp4 4.23M
| ├──10-2 隐马尔可夫模型的两个研究主题.mp4 17.77M
| ├──10-3 观测序列概率估计直观解法及其问题.mp4 18.34M
| ├──10-4 用前向概率算法进行概率估计的原理.mp4 47.53M
| ├──10-5 前向概率算法应用举例.mp4 18.81M
| ├──10-6 前向概率算法的程序实现(含代码实战).mp4 57.10M
| ├──10-7 状态解码问题的描述.mp4 5.64M
| ├──10-8 维特比算法与最大路径概率.mp4 92.16M
| └──10-9 用维特比算法进行状态解码的理论基础.mp4 31.14M
├──第11章 推断未知：统计推断的基本框架
| ├──11-1 本讲知识概览与导引.mp4 5.60M
| ├──11-2 统计推断的一个引例.mp4 20.99M
| ├──11-3 总体、样本与统计量.mp4 20.87M
| ├──11-4 估计误差与无偏估计(含代码实战).mp4 57.59M
| ├──11-5 总体方差估计与有偏性(含代码实战).mp4 77.56M
| └──11-6 本讲小结及下讲预告.mp4 4.57M
├──第12章 探寻最大可能：极大似然估计法
| ├──12-1 本讲知识概览与导引.mp4 13.66M
| ├──12-2 极大似然估计法的引例(含代码实战).mp4 28.33M
| ├──12-3 似然函数的由来-.mp4 22.77M
| ├──12-4 扩展到连续型的似然函数.mp4 1.94M
| ├──12-5 极大似然估计的思想.mp4 31.50M
| ├──12-6 极大似然估计的计算方法.mp4 16.16M
| ├──12-7 单参数极大似然估计案例.mp4 11.65M
| ├──12-8 多参数极大似然估计案例.mp4 32.49M
| └──12-9 本讲小结及下讲预告.mp4 2.85M
├──第13章 贝叶斯统计推断：最大后验
| ├──13-1 本讲知识概览与导引.mp4 7.40M
| ├──13-2 贝叶斯定理的回顾.mp4 16.41M
| ├──13-3 贝叶斯推断的理论过程.mp4 20.31M
| ├──13-4 贝叶斯推断实战-选取先验分布(含代码实战).mp4 47.40M
| ├──13-5 贝叶斯推断实战-选择观测数据的分布(含代码实战).mp4 41.06M
| ├──13-6 贝叶斯推断实战-计算后验分布.mp4 23.26M
| ├──13-7 贝叶斯推断全过程模拟验证(含代码实战).mp4 259.30M
| ├──13-8 关于共轭先验的问题.mp4 11.81M
| └──13-9 本讲小结及下讲预告.mp4 4.69M
├──第14章 近似推断的思想和方法
| ├──14-1 本讲知识概览与导引.mp4 8.31M
| ├──14-10 两类采样方法的问题与思考.mp4 11.93M
| ├──14-11 本讲小结及下讲预告.mp4 4.78M
| ├──14-2 统计推断的场景与关注重点.mp4 16.51M
| ├──14-3 精确推断与近似推断的概念.mp4 9.34M
| ├──14-4 随机近似方法的理论基础.mp4 37.76M
| ├──14-5 接受-拒绝采样的基本方法.mp4 24.64M
| ├──14-6 接受-拒绝采样中建议分布及参数选取(含代码实战).mp4 39.60M
| ├──14-7 接受-拒绝采样过程实践(含代码实战).mp4 62.06M
| ├──14-8 接受-拒绝采样的方法内涵分析.mp4 20.94M
| └──14-9 重要性采样的方法介绍.mp4 18.07M
├──第15章 助力近似采样：基于马尔科夫链的采样过程
| ├──15-1 本讲知识概览与导引.mp4 8.81M
| ├──15-2 马尔科夫链重点内容回顾.mp4 31.57M
| ├──15-3 马尔科夫链平稳分布的理解.mp4 26.59M
| ├──15-4 马尔科夫链进入稳态的过程演示(含代码实战).mp4 135.58M
| ├──15-5 稳态过程的再剖析与意义分析.mp4 27.08M
| ├──15-6 基于马尔科夫链的采样过程.mp4 41.26M
| ├──15-7 基于马尔科夫链的采样过程实践(含代码实战).mp4 112.27M
| ├──15-8 一个显而易见的难题.mp4 11.34M
| └──15-9 本讲小结及下讲预告.mp4 7.74M
├──第16章 马尔科夫链-蒙特卡洛方法详解
| ├──16-1 本讲知识概览与导引.mp4 12.05M
| ├──16-2 问题的目标与细致平稳条件.mp4 32.56M
| ├──16-3 Metropolis-Hastings方法的基本思路.mp4 25.50M
| ├──16-4 M-H方法中的随机游走与接受因子.mp4 59.66M
| ├──16-5 M-H方法中建议矩阵Q的选取.mp4 81.29M
| ├──16-6 M-H方法的实践(含代码实战).mp4 108.93M
| └──16-7 本讲小结.mp4 3.52M
├──第1章 概率统计课程导学
| └──1-1 机器学习中的概率统计应用实践-课程导学.mp4 13.62M
├──第1章 概率统计课程导学(1)
| └──第1章 概率统计课程导学
| | └──1-1 机器学习中的概率统计应用实践-课程导学.mp4 13.62M
├──第2章 统计思维基石：条件概率与独立性
| ├──2-1 本讲知识概览与导引.mp4 2.93M
| ├──2-2 从概率到条件概率.mp4 12.76M
| ├──2-3 条件概率与独立性.mp4 12.32M
| ├──2-4 从独立到条件独立.mp4 19.40M
| ├──2-5 全概率公式与贝叶斯基础.mp4 19.79M
| └──2-6 本讲小节及小讲预告.mp4 2.30M
├──第2章 统计思维基石：条件概率与独立性(1)
| └──第2章 统计思维基石：条件概率与独立性
| | ├──2-1 本讲知识概览与导引.mp4 2.93M
| | ├──2-2 从概率到条件概率.mp4 12.76M
| | ├──2-3 条件概率与独立性.mp4 12.32M
| | ├──2-4 从独立到条件独立.mp4 19.40M
| | ├──2-5 全概率公式与贝叶斯基础.mp4 19.79M
| | └──2-6 本讲小节及小讲预告.mp4 2.30M
├──第3章 聚焦基本元素：深入理解随机变量
| ├──3-1 本讲知识概览与导引.mp4 4.95M
| ├──3-10 均匀分布的性质与采样(含代码实战).mp4 19.75M
| ├──3-11 本讲小节及小讲预告.mp4 2.01M
| ├──3-2 离散型随机变量及其分布列.mp4 14.07M
| ├──3-3 二项分布及其PMF函数(含代码实战).mp4 26.16M
| ├──3-4 二项分布的采样与数字特征(含代码实战).mp4 39.43M
| ├──3-5 几何分布的性质与采样(含代码实战).mp4 30.53M
| ├──3-6 泊松分布的性质与采样(含代码实战).mp4 18.41M
| ├──3-7 连续型随机变量及其概率密度函数.mp4 10.10M
| ├──3-8 正态分布的性质与采样(含代码实战).mp4 29.32M
| └──3-9 指数分布的性质与采样(含代码实战).mp4 25.74M
├──第4章 从一元到多元：探索多元随机变量
| ├──4-1 本讲知识概览与导引.mp4 8.06M
| ├──4-10 二元高斯分布几何特征实证分析(含代码实战).mp4 22.86M
| ├──4-11 本讲小节及下讲预告.mp4 1.85M
| ├──4-2 多元随机变量的重要分布列.mp4 13.35M
| ├──4-3 随机变量的独立性与条件独立性.mp4 18.91M
| ├──4-4 多元随机变量的相关性与协方差矩阵.mp4 13.59M
| ├──4-5 二元正态分布：从标准到一般(含代码实战).mp4 54.10M
| ├──4-6 协方差与相关性的一个小问题(含代码实战).mp4 23.53M
| ├──4-7 相关系数的概念和特性(含代码实战).mp4 15.44M
| ├──4-8 随机变量独立与相关的概念辨析(含代码实战).mp4 11.64M
| └──4-9 多元高斯分布的参数特征(含代码实战).mp4 24.05M
├──第5章 极限思维：大数定律与蒙特卡罗方法
| ├──5-1 本讲知识概览与导引.mp4 4.96M
| ├──5-10 本讲小结及下讲预告.mp4 1.75M
| ├──5-2 从平均身高问题引入大数定律.mp4 3.47M
| ├──5-3 大数定律背后的理论支撑.mp4 6.22M
| ├──5-4 样本均值与随机变量期望的关系(含代码实战).mp4 24.06M
| ├──5-5 样本均值的方差与分布(含代码实战).mp4 20.76M
| ├──5-6 蒙特卡罗方法的应用背景.mp4 4.40M
| ├──5-7 用蒙特卡罗方法近似计算圆面积(含代码实战).mp4 29.26M
| ├──5-8 中心极限定理的基本概念和工程背景.mp4 6.03M
| └──5-9 中心极限定理的模拟与验证(含代码实战).mp4 25.85M
├──第6章 由静到动：随机过程导引
| ├──6-1 本讲知识概览与导引.mp4 10.49M
| ├──6-2 随机过程应用背景概述.mp4 3.34M
| ├──6-3 博彩中的随机过程(含代码实战).mp4 108.77M
| ├──6-4 随机过程模拟：股票价格的总体分布(含代码实战).mp4 48.08M
| ├──6-5 股票价格变化过程的展现(含代码实战).mp4 55.92M
| ├──6-6 两类重要的随机过程.mp4 9.47M
| └──6-7 本讲小结及下讲预告.mp4 6.66M
├──第7章 马尔科夫链(上)：转移与概率
| ├──7-1 本讲知识概览与导引.mp4 9.95M
| ├──7-2 离散时间马尔科夫链的三要素.mp4 11.49M
| ├──7-3 马尔科夫链的基本性质和矩阵表示.mp4 47.18M
| ├──7-4 多步转移概率的计算.mp4 45.19M
| ├──7-5 多步转移与概率乘法(含代码实战).mp4 38.43M
| ├──7-6 路径概率问题举例.mp4 17.66M
| └──7-7 本讲小结及下讲预告.mp4 6.48M
├──第8章 马尔科夫链(下)：极限与稳态
| ├──8-1 本讲知识概览与导引.mp4 7.54M
| ├──8-2 马尔可夫过程的两种典型极限状态.mp4 69.32M
| ├──8-3 马尔可夫链中的常返类和周期性.mp4 45.17M
| ├──8-4 马尔可夫链的稳态及求法.mp4 28.41M
| └──8-5 本讲小结与下讲预告.mp4 5.59M
└──第9章 隐马尔科夫模型(上)：明暗两条线
| ├──9-1 本讲知识概览与导引.mp4 13.30M
| ├──9-2 隐马尔科夫模型导引.mp4 7.77M
| ├──9-3 隐马尔科夫典型案例1：盒子摸球试验.mp4 40.35M
| ├──9-4 隐马尔科夫典型案例2：小宝宝的日常生活.mp4 14.31M
| ├──9-5 隐马尔科夫模型的外在特征和内核三要素.mp4 27.59M
| ├──9-6 齐次马尔可夫性和观测独立性.mp4 18.14M
| └──9-7 本讲小结及下讲预告.mp4 5.61M
请先 ！