结课测试 | 这些机器学习知识你都掌握了吗？
如何成为机器学习工程师？
结课 | 终有一天，你将为今天的付出骄傲
总结课 | 贝叶斯学习的模型体系
40 | 结构学习：基于约束与基于评分
39 | 隐变量下的参数学习：EM方法与混合模型
38 | 完备数据下的参数学习：有向图与无向图
37 | 随机近似推断：MCMC
36 | 确定近似推断：变分贝叶斯
35 | 精确推断：变量消除及其拓展
34 | 连续序列化模型：线性动态系统
33 | 序列化建模：隐马尔可夫模型
32 | 从有限到无限：高斯过程
31 | 建模连续分布：高斯网络
30 | 无向图模型：马尔可夫随机场
29 | 有向图模型：贝叶斯网络
28 | 最简单的概率图：朴素贝叶斯
总结课 | 机器学习的模型体系
27 | 万能模型：梯度提升与随机森林
26 | 集成化处理：Boosting与Bagging