【吴恩达主讲CS229机器学习】最新课程安排,附吴恩达ML算法应用建议

【新智元导读】经典机器学习课程、由吴恩达主讲的斯坦福CS229最新一期已经开始。用吴恩达的话说,他之所以还保留斯坦福教职很大程度上就是想教授这门课。本文将介绍课程表以及相关资料,后附吴恩达对应用机器学习算法的建议。

吴恩达在斯坦福的机器学习课,是很多人最初入门机器学习的课,历史悠久,而且仍然是最经典的机器学习课程之一。当时因为这门课太火爆,吴恩达不得不弄了个超大的网络课程来授课,结果一不小心从斯坦福火遍全球,而后来的事情大家都知道了。

吴恩达这些年,从谷歌大脑项目到创立Coursera再到百度首席科学家再再到最新开设了深度学习deeplearning.ai,辗转多年依然对CS229不离不弃。用他自己的话来说,他还拿着斯坦福教职,很大程度就是想教这门课,俨然是教出了感情、教出了高度。经典课程,怎能错过?

这门课的宗旨就是手把手教你边学边做机器学习。因此,你可以先看去年的项目报告(http://cs229.stanford.edu/projects2016.html),含有运动与传感装置、声音与音乐、计算机视觉、金融与商业、机器学习、生命科学、自然语言、物理科学、理论与强化几大类别,结合起来然后再看最新的课程。

此外,CS229还推荐使用UC Irvine的机器学习数据库,这里目前有394个数据集,你可以访问网络查看:http://archive.ics.uci.edu/ml/index.php

斯坦福CS229最新课程表

最新的课程时间从9月25日开始(是的,已经开始了),到12月15日结束。期间一共有21讲和4次项目活动,后者包括项目的提出、中期总结、评审和结案(writeup)。具体的课程安排如下:

简介

  1. 基本概念

监督学习

  1. 监督学习设置,LMS。
  2. 逻辑回归,感知,指数分布族
  3. 生成学习算法,高斯判别分析,朴素贝叶斯,支持向量机
  4. 模型选择和特征选择
  5. 集成方法:Bagging,Boosting
  6. 评估和调试学习算法

学习理论

  1. 偏差/方差tradeoff

项目提出(10月20日 11:59pm)

无监督学习

  1. Clustering,K-means
  2. EM,高斯混合
  3. 因子分析
  4. PCA(主成分分析)
  5. ICA(独立成分分析)

中期考试(11月8日)

Project milestones(11月17日 11:59pm)

强化学习和控制

  1. MDP,贝尔曼方程
  2. 价值迭代和策略迭代
  3. 线性二次调节(LQR),LQG
  4. Q学习,价值函数逼近
  5. 策略搜寻,强化,POMDP

深度学习

  1. 神经网络架构
  2. 前向/后向传播
  3. 矢量
  4. 对抗性

项目展示(12月12日)

项目结案(12月15日)

课程笔记及相关材料

带+/- 1个标签的二进制分类[pdf:http://cs229.stanford.edu/extra-notes/loss-functions.pdf]

提升算法和弱学习[pdf:http://cs229.stanford.edu/extra-notes/boosting.pdf]

Representer定理[pdf:http://cs229.stanford.edu/extra-notes/representer-function.pdf]

Hoeffding不等式[pdf:http://cs229.stanford.edu/extra-notes/hoeffding.pdf]

线性代数评估与参考[pdf:http://cs229.stanford.edu/section/cs229-linalg.pdf]

概率论[pdf:http://cs229.stanford.edu/section/cs229-prob.pdf]

Matlab教程的文件:[pdf:http://cs229.stanford.edu/materials/MATLAB_Session.pdf] [sigmoid.m:http://cs229.stanford.edu/section/matlab/sigmoid.m] [logistic_grad_ascent.m:http://cs229.stanford.edu/section/matlab/logistic_grad_ascent.m] [matlab_session.m:http://cs229.stanford.edu/materials/matlab_session.m]

凸度优化概述,第一部分[ps:http://cs229.stanford.edu/section/cs229-cvxopt.ps] [pdf:http://cs229.stanford.edu/section/cs229-cvxopt.pdf]

凸优化概述,第二部分[ps:http://cs229.stanford.edu/section/cs229-cvxopt2.ps] [pdf:http://cs229.stanford.edu/section/cs229-cvxopt2.pdf]

隐马尔可夫模型[ps:http://cs229.stanford.edu/section/cs229-hmm.ps] [pdf:http://cs229.stanford.edu/section/cs229-hmm.pdf]

多变量高斯分布[pdf:http://cs229.stanford.edu/section/gaussians.pdf]

更多关于高斯分布[pdf:http://cs229.stanford.edu/section/more_on_gaussians.pdf]

高斯过程[pdf:http://cs229.stanford.edu/section/cs229-gaussian_processes.pdf]

吴恩达对应用机器学习算法的建议

CS229网站上还给出了吴恩达对应用机器学习算法的建议,也是非常实用的参考资料!

诊断调试学习算法很重要,用来debug的时间绝对是值得的,分析错误能让你对问题有更深刻的理解,从而设计出更好的算法。另外,吴恩达表示,找出诊断错误的方法往往来自于你自己的灵感。

他给出应用机器学习算法的两点建议:

仔细设计算法,然后implement;先快速做一个粗糙的prototype,诊断,弄好,再着手到大的细的模型上去。

原文发布于微信公众号 - 新智元(AI_era)

原文发表时间:2017-10-02

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏AI科技评论

CNCC | 李飞飞最新演讲:视觉智慧是人类和计算机合作沟通的桥梁 | CNCC2017

AI 科技评论报道:中国计算机学会 CCF 举办的中国计算机大会CNCC 2017已于10月26日在福州市海峡国际会展中心开幕。参加会议的人数众多,主会场座无虚...

391120
来自专栏PPV课数据科学社区

学习攻略 | 机器学习 学习路线图

1. 引言 也许你和这个叫『机器学习』的家伙一点也不熟,但是你举起iphone手机拍照的时候,早已习惯它帮你框出人脸;也自然而然点开今日头条推给你的新闻;也习惯...

72580
来自专栏大数据

Philip S.Yu 讲的广度学习到底是什么?

本次讲习班邀请到了两位在数据挖掘领域数一数二的顶级巨擘:韩家炜教授和 Philip S. Yu 教授。Philip 教授在报告中详细讲解了他多年来所倡导的「广度...

330100
来自专栏AI研习社

博客 | 重温五条 AI 基础规律

雷锋网AI 科技评论按:如果每个人都有足够的时间和热诚,并乐意去大学拿个 AI 学位,那你大概就不会读到这篇博客了。 虽说 AI 的工作方式挺神秘的,但在处理技...

10010
来自专栏量子位

谷歌大脑2017总结(Jeff Dean执笔,干货满满,值得收藏)

李杉 维金 编译自 Google Blog 量子位 出品 | 公众号 QbitAI 谷歌AI Senior Fellow、谷歌大脑负责人Jeff Dean,按照...

379120
来自专栏AI科技评论

全文|旷视科技孙剑:如何在大公司和创业公司做好计算机视觉的研究?

孙剑,博士,旷视科技(Face++)首席科学家、研究负责人。2003年毕业于西安交通大学人工智能与机器人研究所,毕业后加入微软亚洲研究院(Microsoft R...

56580
来自专栏玉树芝兰

文科生用机器学习做论文,该写些什么?

从“价值、必要、讨论和工具”这四个角度,把一些容易踩的坑提示给你,助你顺利完成研究论文撰写。

12820
来自专栏新智元

图灵学习:首个只需要“看”就能学习的系统

【新智元导读】谢菲尔德大学研究人员日前在学术期刊《群智能》(Swarm Intelligence)刊文,介绍了一个叫“图灵学习”的系统。研究人员表示,这是首个让...

35460
来自专栏人工智能头条

像教光学一样在高中教深度学习?怼过LeCun的Google大牛认为这事有出路

13230
来自专栏用户2442861的专栏

机器学习系列(7)_机器学习路线图(附资料)

http://blog.csdn.net/han_xiaoyang/article/details/50759472

24210

扫码关注云+社区

领取腾讯云代金券