理解线性判别分析 了解多分类学习 理解对数几率回归 掌握线性回归 了解类别不平衡问题

1 最近邻法 2 k-近邻法 3 近邻法快速算法 4 剪辑近邻法与压缩近邻法

无监督学习任务 基于原型的学习方法 EM算法 动态聚类方法 新方法

电子科技大学：《机器学习 Machine Learning》课程教学资源（课件讲稿）第10讲 特征提取 Feature Extraction

简要历程 特征学习原理 应用模式

I: What does CNN Learn? II: How does CNN go deep? III: Variants of CNN

Motivation RNN LSTM/GRU Applications Discussion

RL解决的问题 RL的基本原理 RL的典型应用 RL的发展趋势

1.1 嵌入式AI概念 1.3 中国AI芯片发展状况 1.2 嵌入式AI实现手段 1.4 嵌入式AI典型应用

2.1 机器学习与深度学习 2.2 模型压缩与加速