北京大学数学科学学院教授张志华老师的公开课视频。
没有PPT，老师直接板书教学。

1. 《机器学习导论》
http://t.cn/A61v1YEM
该门课讲授无监督和有监督机器学习中的一些主要方法和模型，包括PCA、高斯混合体、谱聚类、Fisher辨别分析、SVM、Boosting和kernel方法等。课程重点从矩阵和优化角度来讨论这些机器学习方法。

2. 《强化学习基础》
http://t.cn/A61v1YEf
强化学习（Reinforcement Learning）是人工智能的一个重要领域，是一个代表性的机器学习方法。它同时又和马尔可夫决策过程（Markov Decision Processes） 和动态规划（Dynamic Programming）紧密相关。这门课程内容主要包括线性与非线性规划、马尔可夫决策过程、最优控制和随机规划等。

3. 《统计机器学习》
http://t.cn/A61v1YEI
该门课讲授机器学习的统计学基础，包括基本概率论概念、常用随机分布、指数族分布与统计量、信息度量、概率不等式、随机变量收敛、贝叶斯推理等。

4. 《应用数学基础》
http://t.cn/A61v1YEV
深度学习是近年来人工智能取得突破的核心技术。本课程将介绍深度学习中的一系列主题，包括数学基础、理论、算法和实际应用中需要注意的问题。课程要求学生熟悉至少一门编程语言，对机器学习有基本的了解。课程作业包括深度学习模型在计算机视觉、自然语言处理方面的应用。

#AI创造营#