400-688-0112
本培训项目聚焦机器学习算法背后的数学理论体系,通过理论与实践相结合的教学模式,帮助学员构建完整的算法优化知识框架。
教学阶段 | 核心知识点 |
---|---|
基础理论构建 | 多元正态模型建模、贝叶斯推理原理、正则化方法数学证明 |
算法优化实践 | 随机梯度下降法参数调优、核主成分分析实现、支持向量机数学推导 |
科研能力培养 | 国际期刊论文写作规范、学术会议投稿流程、博士面试答辩技巧 |
参加者需具备多元微积分、线性代数基础,熟悉Python编程环境,至少完成过KNN等经典算法的代码实现。
总时长12周,包含84课时的理论教学与41课时的论文指导,每周设置3次实时在线答疑。
从泛函分析视角剖析正则化方法,推导梯度下降法的收敛性证明
提供云端GPU计算资源,支持大规模矩阵运算实验