大学の理工系の講義ノートPDFまとめ （数学・物理・情報・工学） - 主に言語とシステム開発に関して
大学と大学院の，理工系の講義ノートPDFのまとめ。 PDF形式の教科書に加え，試験問題と解答，および授業の動画も集めた。 学生・社会人を問わず，ぜひ独学の勉強に役立ててほしい。 内容は随時，追加・更新される。 （※現在，６０科目以上） カテゴリ別の目次： （１） 数学の講義ノート （２） 物理学の講義ノート （３） 情報科学の講義ノート （４） 工学の講義ノート ※院試の問題と解答のまとめはこちら。 （１）数学の講義ノート 解析学： 解析学の基礎 （大学１年で学ぶ，１変数と多変数の微分・積分） 複素解析・複素関数論 （函数論） ルベーグ積分 （測度論と確率論の入門） 関数解析 （Functional Analysis） 代数： 線形代数 （行列論と抽象線形代数） 群論入門・代数学 （群・環・体） 有限群論 （群の表現論） 微分方程式： 常微分方程式 （解析的および記号的な求解） 偏微分方程
クラシックな機械学習の入門 8. クラスタリング
代表的な教師なし学習アルゴリズムであるクラスタリングについて説明する。これは、データの持つ性質の近いもの同士をまとめ上げるアルゴリズムである。また、そのために必要な距離と類似度についても説明する。
カーネル多変量解析
第1 章現代の多変量解析とは 1.1 現代流の多変量解析とは 1.2 カーネル法とはどんなものか 1.3 カーネル法の利点と応用分野 1.4 カーネル法の種類：問題設定と計算法
Dr. J. Liu, Harvard, Tutorial: Gibbs Sampler and MCMC Methods
To begin viewing slides, click on the first slide below. Author entry (protected)
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
今さら聞けないカーネル法とサポートベクターマシン
機械学習におけるオンライン確率的最適化の理論
プログラミングコンテストでの乱択アルゴリズム
