加州大学洛杉矶分校模式识别和机器学习每周课程要点总结有吗？

　　加州大学洛杉矶分校模式识别和机器学习这门课介绍了模式识别和机器学习的基本概念、理论和算法，用于计算机视觉、语音识别、数据挖掘、统计、信息检索和生物信息学。这门课涵盖的主题有：贝叶斯决策理论、参数和非参数学习、数据分组、分量分析、支持向量机和神经网络深度学习等。每周课程要点如下：

　　1、模式识别概述：问题、应用、示例。

　　2、贝叶斯决策理论：贝叶斯规则，判别函数;损失函数和贝叶斯误差分析。

　　3、分量分析和维数缩减：主成分分析，人脸建模主动表观模型，自动编码器;费歇线性判别。

　　4、助推技术：感知器、反向传播;分析、级联和决策策略。

　　5、非公制方法：决策树和随机森林;句法模式识别及人类句法分析示例。

　　6、支持向量机：支持向量分类器;损失函数，潜在支持向量机(SVM)。

　　7、参数学习：最大似然估计;充分统计和最大熵。

　　8、非参数学习：神经网络分类器和误差分析。

　　9、深度学习：神经网络深度学习。

　　同学可以把自己没有掌握的内容告诉我们的课程辅导老师，老师会根据同学的实际学习情况规划辅导内容，帮助同学全面深入地学习课程知识。