全域哈希和完全哈希——麻省理工算法導論公開課
公開課地址： http://open.163.com/movie/2010/12/3/A/M6UTT5U0I_M6V2TGI3A.html 全域哈希 誕生： 哈希的根本缺陷：對於任意哈希函數而言，都存在一個不好的健集，使得所有的健都會哈希到同一個槽里去，那么如何解決這種情況呢？如何防止 ...
原文：麻省理工公開課《算法導論》學習筆記:第一講
主題：簡介課程，漸近概念的大局觀，插入排序和歸並排序，遞歸式函數時間分析 遞歸樹方法 教材： 算法導論 收獲：很感動地看到算法分析那個log n 是為什么出現了，更深層還要聽第二講，若不是因為要准備SAS，恨不得馬上看。 內容： 何為算法分析 計算機程序運行性能和存儲空間的理論分析，叫算法分析。也就是關注 點： 性能，就是程序跑得快不快 存儲空間，即占用了多大的內存。但是主要還是關注性能。 可能是 ...
2013-10-05 22:15 8 5125 推薦指數：
相關推薦
麻省理工算法導論學習筆記（1）----算法介紹
我決定啃幾個大塊頭，今天開始跟着公開課學習，一是鞏固自己對算法理解，二是可以分享學習心得。 普林斯頓大學的算法課好像也講完了，只有講義，好像還沒視頻，下面我先學麻省理工的算法導論課。 我是一個懶孩子，希望大家監督我。沒有監督，俺繼續不下去，呃哈哈。謝謝。 為什么學習算法 ...
MIT公開課：算法導論 筆記（一）
課程鏈接：http://open.163.com/special/opencourse/algorithms.html 第一課：算法分析基礎 1.介紹插入排序與歸並排序，計算並比較最壞運行時間 2.算法分析重點與漸近分析方法 以下為個人筆記，根據字幕整理 第一課 算法分析 總結 ...
麻省理工公開課：微積分，中文字幕視頻+PDF
數學是機器學習的語言，統計是構建機器學習的基礎，線性代數為機器學習提供了矩陣這一強大工具，但是要充分理解神經網絡以及深度學習如何運作的，還需要學好微積分。 大家應該多少對微積分有些基礎，但是很難將其與神經網絡聯系起來。今天向大家推薦麻省理工學院Gilbert Strang教授的《微積分關鍵 ...
麻省理工算法導論學習筆記（2）----漸近符號、遞歸及解法
這節課，大概講了一些符號的用法，畢竟偏數學化，沒有涉及算法的知識。我也參考了下別人的筆記，本節課內容不是太多，主要是符號表示和遞歸的復雜度求解方式，下面分2個部分講解。 一，漸進符號 （1）O符號，f(n) = O(g(n))，表示f(n)的復雜度最多與g(n)一個數量級，即小於 ...
【筆記】邁向人工智能 | 麻省理工學院公開課：人工智能（已完結）
課程首頁：MIT OpenCourseWare-Artificial Intelligence 網易公開課：《麻省理工學院公開課：人工智能》 授課教授：Professor Patrick Winston 參考書目：Winston, Patrick Henry. Artificial ...
LR 算法總結--斯坦福大學機器學習公開課學習筆記
在有監督學習里面有幾個邏輯上的重要組成部件[3]，初略地分可以分為：模型，參數 和 目標函數。（此部分轉自 XGBoost 與 Boosted Tree） 一、模型和參數 模型指給定輸入xi如何去預測 輸出 yi。我們比較常見的模型如線性模型（包括線性回歸和logistic ...
機器學習公開課筆記(7)：支持向量機
支持向量機(Support Vector Machine, SVM) 考慮logistic回歸，對於$y=1$的數據，我們希望其$h_\theta(x) \approx 1$，相應的$\theta^ ...