讲透机器学习概率统计，快速打造算法基础核心能力 - 猎人搜索 轻松搜寻全网资源

• file:9-6 齐次马尔可夫性和观测独立性.mp4
• file:9-1 本讲知识概览与导引.mp4
• file:9-5 隐马尔科夫模型的外在特征和内核三要素.mp4
• file:9-3 隐马尔科夫典型案例1：盒子摸球试验.mp4
• file:8-2 马尔可夫过程的两种典型极限状态.mp4
• file:8-5 本讲小结与下讲预告.mp4
• file:7-6 路径概率问题举例.mp4
• file:7-4 多步转移概率的计算.mp4
• file:7-3 马尔科夫链的基本性质和矩阵表示.mp4
• file:7-2 离散时间马尔科夫链的三要素.mp4
• file:6-3 博彩中的随机过程（含代码实战）.mp4
• file:6-6 两类重要的随机过程.mp4
• file:6-4 随机过程模拟：股票价格的总体分布（含代码实战）.mp4
• file:6-2 随机过程应用背景概述.mp4
• file:5-9 中心极限定理的模拟与验证（含代码实战）.mp4
• file:5-7 用蒙特卡罗方法近似计算圆面积（含代码实战）.mp4
• file:5-4 样本均值与随机变量期望的关系（含代码实战）.mp4
• file:5-8 中心极限定理的基本概念和工程背景.mp4
• file:5-6 蒙特卡罗方法的应用背景.mp4
• file:5-3 大数定律背后的理论支撑.mp4
• file:5-2 从平均身高问题引入大数定律.mp4
• file:4-8 随机变量独立与相关的概念辨析（含代码实战）.mp4
• file:4-5 二元正态分布：从标准到一般（含代码实战）.mp4
• file:4-4 多元随机变量的相关性与协方差矩阵.mp4
• file:3-7 连续型随机变量及其概率密度函数.mp4
• file:2-5 全概率公式与贝叶斯基础.mp4
• file:2-4 从独立到条件独立.mp4
• file:16-5 M-H方法中建议矩阵Q的选取.mp4
• file:16-2 问题的目标与细致平稳条件.mp4
• file:16-3 Metropolis-Hastings方法的基本思路.mp4
• file:1-1 机器学习中的概率统计应用实践-课程导学.mp4
• file:15-7 基于马尔科夫链的采样过程实践（含代码实战）.mp4
• file:15-8 一个显而易见的难题.mp4
• file:15-5 稳态过程的再剖析与意义分析.mp4
• file:15-3 马尔科夫链平稳分布的理解.mp4
• file:13-5 贝叶斯推断实战-选择观测数据的分布（含代码实战）.mp4
• file:13-3 贝叶斯推断的理论过程.mp4
• file:14-9 重要性采样的方法介绍.mp4
• file:14-6 接受-拒绝采样中建议分布及参数选取（含代码实战）.mp4
• file:14-4 随机近似方法的理论基础.mp4
• file:14-3 精确推断与近似推断的概念.mp4
• file:14-2 统计推断的场景与关注重点.mp4
• file:14-10 两类采样方法的问题与思考.mp4
• folder:讲透机器学习概率统计，快速打造算法基础核心能力
• folder:第9章 隐马尔科夫模型（上）：明暗两条线
• folder:第6章 由静到动：随机过程导引
• folder:第5章 极限思维：大数定律与蒙特卡罗方法
• folder:第4章 从一元到多元：探索多元随机变量
• folder:第3章 聚焦基本元素：深入理解随机变量
• folder:第2章 统计思维基石：条件概率与独立性
• folder:第16章 马尔科夫链-蒙特卡洛方法详解
• folder:第1章 概率统计课程导学
• folder:第15章 助力近似采样：基于马尔科夫链的采样过程
• folder:第13章 贝叶斯统计推断：最大后验
• folder:第14章 近似推断的思想和方法
• folder:第12章 探寻最大可能：极大似然估计法
• folder:第11章 推断未知：统计推断的基本框架
• folder:第10章 隐马尔可夫模型（下）：概率估计与状态解码