1. 程式人生 > >Machine Learning機器學習公開課彙總

Machine Learning機器學習公開課彙總

機器學習目前比較熱,網上也散落著很多相關的公開課和學習資源,這裡基於課程圖譜機器學習公開課標籤做一個彙總整理,便於大家參考對比。

1、Coursera上斯坦福大學Andrew Ng教授的“機器學習公開課”:

機器學習入門課程首選,斯坦福大學教授,Coursera聯合創始人Andrew Ng老師的課程,課程圖譜上多達400多人關注,20餘條課程評論,絕大多數同學認為這門課程比較適合入門,以下選擇其中幾位同學的課程評論:

@ototsuyume 同學評價:非常好的一門入門課程。很多人詬病作業的程式碼給得太全,但我認為作為一門入門課程,程式設計作業設定得十分好,各種機器學習的作用能很直觀地展示出來,這樣很能激發學習興趣。試想一下,假如不給你任何框架程式碼讓你從頭開始寫,寫完後得出的結果是一堆用來提交的無味的資料,對於一名初學者來說,這多麼打擊積極性。
這門課程極其簡化了各種數學的證明,類似svm跟pca中間的求解過程都講得很簡略。要求的數學基礎是低得不能再低了,所以即使是畢業幾年後概率矩陣忘得差不多的人都能看懂。除去初學者之外,這門課程也很適合工作中需要用到一些機器學習但不打算深入研究的程式設計師。

@極度視界 同學評價:這個必然 5 星,很棒的入門課程;Ng老溼把程式設計作業設計到極為簡單,而資料集並不單調,垃圾郵件分類/手寫體分類等。學此課的同學,應該嘗試丟掉Ng老溼給的框架,自己寫一套演算法,才好。這課我得了100%。

課程正在進行中,目前感覺很不錯,林老師年輕有為,也是機器學習暢銷書《Learning from Data》的作者之一,課程的難度應該比上面Andrew Ng老師機器學習公開課的高一些,不過比較重要的是這門課程用中文講解,比較適合國人:

@塵繩聾 同學評價:看老師給出的課程大綱,基本還是照著Caltech/Edx LFD的節奏走。之前跟過LFD,這次就當複習了。當然也有一些新的東西,譬如PLA的收斂證明和收斂需要的次數上界,Lecture3對learning types的介紹也很詳細,原來reinforcement learning還可以用在ad system上面,看來要把Ng CS229後面的那一大塊有關reinforcement learning的內容啃一下了。另外,老師講得非常好,從video和slide也能看出很用心。

@飛林沙 同學評價: 剛聽完前兩講,講的真的非常棒!從最基本的PLA講起,雖然很簡單,但是跟著自己動手寫寫程式碼,做做數學公式,就當休息了,很棒。

和上面臺大機器學習課程淵源很深,內容基本上出自加州理工的這本同名教材《Learning From Data》,林老師也曾在該校讀博,這門課程的授課老師也是他的導師Abu Mostafa教授。

這門課程主要關注神經網路以及它們在機器學習中的應用,在目前火熱燙手的Deep Learning概念襯托下,這門課程簡直就是必修課,不過遺憾的是這門課程只在12年10月份開過一輪,目前為止還沒有開課的意思,不過好在我們還有網盤資源的備份,具體資訊在“

公開課可下載資源彙總”中自行查詢:

@yongsun:還有什麼好說的呢?Deep Learning必修課程啊!

@godenlove007:宗派大師+開拓者直接講課,秒殺一切二流子!

@wzyer:巨牛級別的人物來開課,我也不說啥了。

5、Coursera上華盛頓大學Pedro Domingos教授的“機器學習公開課

Coursera上一門還沒有正式開始過的機器學習課程,老師是機器學習的大牛Pedro Domingos,他寫過的“”A Few Useful Things to Know about Machine Learning”廣為流傳,這門課雖然沒有正式開始,但是通過preview的連結可以看課程的所有視訊。@wzyer 大神的評價:個人覺得這門課比Andrew那個更深入些,老師講的也不錯。不過這個似乎就沒有正式開過,我都enroll半年多了……

這是老一代的公開課,老師仍然是Andrew Ng教授,不過視訊來自於斯坦福大學的課堂錄製視訊,課程難度要高一些,可以作為Ng老師Coursera上“機器學習公開課”的進階課程,好處是有翻譯字幕,比較方便國內同學的學習。

其實就是edX上“Learning From Data”的原版課程,授課老師依然是Abu Mostafa教授,edX上老師在論壇上和同學互動,而網易公開課上有翻譯。

8、超星學術上來自於貝爾實驗室的“機器學習”課程:

來自於超星學術上的課程,具體情況不太清楚。

9、最後推薦的是國內龍星計劃機器學習課程資源:

1)2012龍星計劃機器學習課程的視訊及課件

來自微博上@SunnyerEric孫晗曉 同學的資訊 : 龍星計劃機器學習課程的視訊:http://t.cn/zlA2ZHb

關於龍星計劃的課件,大家也可以在如下地方找到:

2)2013龍星計劃深度學習(Deep Learning)課程視訊

@龍星計劃
龍星計劃天津站 鄧力老師的講課視訊 http://t.cn/zQixW12

@戴瑋_CASIA
天津大學深度學習龍星計劃課程視訊:http://t.cn/zQixW12

相關推薦

Machine Learning機器學習開課彙總

機器學習目前比較熱,網上也散落著很多相關的公開課和學習資源,這裡基於課程圖譜的機器學習公開課標籤做一個彙總整理,便於大家參考對比。 1、Coursera上斯坦福大學Andrew Ng教授的“機器學習公開課”: 機器學習入門課程首選,斯坦福大學教授,Coursera聯合

[Machine Learning] 機器學習常見演算法分類彙總

  宣告:本篇博文根據http://www.ctocio.com/hotnews/15919.html整理,原作者張萌,尊重原創。   機器學習無疑是當前資料分析領域的一個熱點內容。很多人在平時的工作中都或多或少會用到機器學習的演算法。本文為您總結一下常見的機器學習演算法,以供您在工作和學習中參考。

機器學習開課筆記第九周之大數據梯度下降算法

機器學習 nbsp gradient min 三種 依次 再看 獲得 mini 一,隨機梯度下降法(Stochastic Gradient Descent) 當訓練集很大且使用普通梯度下降法(Batch Gradient Descent)時,因為每一次\(\theta\)

廣義線性模型 - Andrew Ng機器學習開課筆記1.6

sans luci art 能夠 tro ron 便是 import grand 在分類問題中我們如果: 他們都是廣義線性模型中的一個樣例,在理解廣義線性模型之前須要先理解指數分布族。 指數分

Machine Learning:機器學習演算法

原文連結:https://riboseyim.github.io/2018/02/10/Machine-Learning-Algorithms/ 摘要 機器學習演算法分類:監督學習、半監督學習、無監督學習、強化學習 基本的機器學習演算法:線性迴歸、支援向量機(SVM)、最近鄰居(KNN)、邏輯迴歸、決策

Machine Learning:機器學習算法

強化學習 支持向量 樸素 隨機森林 圖片 learn 樸素貝葉斯 支持 目錄 原文鏈接:https://riboseyim.github.io/2018/02/10/Machine-Learning-Algorithms/ 摘要 機器學習算法分類:監督學習、半監督學習、無監

吳恩達機器學習開課學習筆記(一)

吳恩達機器學習公開課學習筆記(一) 一些規範表達形式 線性迴歸/單變數線性迴歸 代價函式 公開課連結: https://study.163.com/course/courseLearn.htm?courseId=1004570029#/lea

Machine learning (機器學習)

就機器學習的課程而言,推薦看網易公開課斯坦福大學的Machine learning,其中涉及的具體內容如下, 算是一個循序漸進的進階步驟: 學習這門課程前的準備課程: 1.計算機學科的基礎知識,基本技能及原理; 2.大O的含義及一些資料結構(列,棧,

machine learning 機器學習入門(三)

分類和邏輯迴歸 在之前說過了線性迴歸的一些問題,線性迴歸常常用在一些預測值為連續的情況下,但生活中有的結果是以離散的形態分佈的,比如下雨還是不下雨,瀏覽到新聞會點選還是不會點選,看到商品買還是不買,這

Data Leakage in Machine Learning 機器學習訓練中的資料洩漏

refer to:  https://www.kaggle.com/dansbecker/data-leakage There are two main types of leakage: Leaky Predictors and a Leaky Validation Strategies. L

Machine Learning機器學習入門

機器學習簡單介紹 machine learning是從資料中提取知識,是統計學,人工智慧和電腦科學交叉的研究領域。 機器學習演算法是能夠將決策過程自動化的演算法,決策過程是從已知的示例中泛化得到的: 監督學習(supervised learning):使用者將成對的輸入和

斯坦福機器學習開課筆記 十三 推薦系統

也歡迎大家轉載本篇文章。分享知識,造福人民,實現我們中華民族偉大復興!                授課老師:Andrew Ng1、problem formulation(問題產生)在平時購物的時候我們都會看到網站把向我們推薦的商品放在醒目位置,其實這就是推薦

【Andrew NG 機器學習開課】CS229:Introduction、Linear Regression

這份筆記來源於Andrew NG在Coursera上的公開課和講義。 Introduction 機器學習問題 (一)有監督學習(Supervised Learning) 基本思想是:given the right answer for each example i

斯坦福機器學習開課

視訊 http://open.163.com/movie/2008/1/M/C/M6SGF6VB4_M6SGHFBMC.html 相關筆記 http://www.cnblogs.com/LeftNotEasy/archive/2010/12/05/mathmatic_in

斯坦福機器學習開課筆記(十五)--[應用]照片OCR技術

1、problem description and pipeline(問題描述和流水線) OCR是optical character recognition的縮寫,翻譯過來就是光學字元辨識。照片中的OCR技術其實就是識別中照片中存在的字元,例如下面這幅圖: 關於過程

[Machine Learning] 機器學習資源大全

閱讀目錄   本文彙編了一些機器學習領域的框架、庫以及軟體(按程式語言排序)。 1. C++ 1.1 計算機視覺 CCV —基於C語言/提供快取/核心的機器視覺庫,新穎的機器視覺庫

斯坦福機器學習開課筆記(十三)--推薦系統

授課老師:Andrew Ng 1、problem formulation(問題產生) 在平時購物的時候我們都會看到網站把向我們推薦的商品放在醒目位置,其實這就是推薦系統。現在考慮一個電影推薦系統的例子,我們擁有一些使用者對於一些電影的評分,如下: 從上面可以看到,使

Amazon Machine Learning 機器學習_機器學習服務

20 多年來,Amazon 在人工智慧領域投入了大量資金。機器學習 (ML) 演算法驅動了我們的許多內部系統。這也是我們客戶所體驗的功能的核心 – 從我們運營中心的路徑優化和 Amazon.com 的推薦引擎到 Alexa 提供技術支援的 Echo、我們的無人駕駛飛機 Prime Air 以

機器學習開課筆記(8):k-means聚類和PCA降維

K-Means演算法 非監督式學習對一組無標籤的資料試圖發現其內在的結構,主要用途包括: 市場劃分(Market Segmentation) 社交網路分析(Social Network Analysis) 管理計算機叢集(Organize Computer Clusters) 天文學資料分析(A

機器學習開課筆記(7):支援向量機

支援向量機(Support Vector Machine, SVM) 考慮logistic迴歸,對於$y=1$的資料,我們希望其$h_\theta(x) \approx 1$,相應的$\theta^Tx \gg 0$; 對於$y=0$的資料,我們希望$h_\theta(x) \approx 0$,相應的$\