讲透机器学习概率统计，快速打造算法基础核心能力夸克网盘资源_网盘资源_夸克网盘资源搜索_全盘搜

• file:5-7 用蒙特卡罗方法近似计算圆面积（含代码实战）.mp4
• file:5-2 从平均身高问题引入大数定律.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:5-10 本讲小结及下讲预告.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:5-9 中心极限定理的模拟与验证（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:10-8 维特比算法与最大路径概率.mp4
• file:10-9 用维特比算法进行状态解码的理论基础.mp4
• file:10-4 用前向概率算法进行概率估计的原理.mp4
• file:10-10 盒子摸球案例中的状态解码实战.mp4
• file:10-2 隐马尔可夫模型的两个研究主题.mp4
• file:10-6 前向概率算法的程序实现（含代码实战）.mp4
• file:10-3 观测序列概率估计直观解法及其问题.mp4
• file:10-1 本讲知识概览与导引.mp4
• file:10-7 状态解码问题的描述.mp4
• file:3-4 二项分布的采样与数字特征（含代码实战）.mp4
• file:3-7 连续型随机变量及其概率密度函数.mp4
• file:9-6 齐次马尔可夫性和观测独立性.mp4
• file:9-5 隐马尔科夫模型的外在特征和内核三要素.mp4
• file:9-4 隐马尔科夫典型案例2：小宝宝的日常生活.mp4
• file:7-3 马尔科夫链的基本性质和矩阵表示.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:7-2 离散时间马尔科夫链的三要素.mp4
• file:8-4 马尔可夫链的稳态及求法.mp4
• file:12-5 极大似然估计的思想.mp4
• file:12-4 扩展到连续型的似然函数.mp4
• file:11-4 估计误差与无偏估计（含代码实战）.mp4
• file:11-2 统计推断的一个引例.mp4
• file:11-3 总体、样本与统计量.mp4
• file:1-1 机器学习中的概率统计应用实践-课程导学.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:6-3 博彩中的随机过程（含代码实战）.mp4
• file:6-2 随机过程应用背景概述.mp4
• file:13-2 贝叶斯定理的回顾.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:16-4 M-H方法中的随机游走与接受因子.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: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:14-3 精确推断与近似推断的概念.mp4
• file:14-8 接受-拒绝采样的方法内涵分析.mp4
• file:14-4 随机近似方法的理论基础.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5章 极限思维：大数定律与蒙特卡罗方法
• folder:第10章 隐马尔可夫模型（下）：概率估计与状态解码
• folder:第3章 聚焦基本元素：深入理解随机变量
• folder:第9章 隐马尔科夫模型（上）：明暗两条线
• 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1章 概率统计课程导学
• folder:第6章 由静到动：随机过程导引
• folder:第13章 贝叶斯统计推断：最大后验
• folder:第16章 马尔科夫链-蒙特卡洛方法详解
• folder:第14章 近似推断的思想和方法
• folder:第2章 统计思维基石：条件概率与独立性
• folder:第4章 从一元到多元：探索多元随机变量
• folder:第15章 助力近似采样：基于马尔科夫链的采样过程