2016 年不容错过的 30 个机器学习视频、教程&课程

【新智元导读】2016 年就要过去了,关于机器学习的知识储备你觉得自己做得如何?下面是 Analytics Vidhya 网站发表的文章,汇集了 2016 年机器学习经典视频、教材和课程,分类整理,初学者、进阶级还是资深研究员,都可以从中发现适合的材料。视频只做了展示截图,观看的话请复制文中的链接哦。

目录

第一部分:机器学习入门

  • 怎样在 6 个月内成为数据科学家
  • CMU统计机器学习课程
  • 滑铁卢大学机器学习课程
  • Python 应用机器学习课程
  • 导论:Python 数据科学
  • SciPy 机器学习导论课
  • Python Pandas 数据分析
  • CS50 机器学习课程
  • Pandas 初学者的数据分析和处理教程
  • 什么是人工智能
  • Azure ML 初学者的机器学习教程

第二部分:机器学习提高

  • 机器学习方法
  • Scikit-Learn:机器学习与文本
  • 骇客机器学习
  • Apache Spark MLlib 机器学习导论
  • Python 时间序列分析

第三部分:机器学习应用

  • 机器学习的突破性进展
  • 机器学习与艺术
  • 计算机如何学习创造性
  • 机器学习解码基因组
  • Pinterest 的机器学习应用
  • GrabTaxi 如何使用机器学习预测出租车空车情况
  • Amazon ML 入门
  • Amazon Go:最先进的购物技术
  • 必看的10个基于机器学习的产品
  • 知识图谱
  • AI游戏革命
  • 机器学习的医疗应用
  • 构建自己的智能应用程序
  • 机器学习:Google的愿景

机器学习入门

1. 怎样在 6 个月内成为数据科学家

时长:56分24秒

地址:https://www.youtube.com/watch?v=rIofV14c0tc

这个视频中,Tetiana Ivanova 分享了她在短短 6 个月内成为数据科学家的经验。参与黑客马拉松是她开始学习机器学习的契机。如果你犹豫过是去上研究生课程还是自学成为数据科学专家,那么这个视频一定不容错过。Tetiana 分享了她转职的经历,高等教育背后的艰苦现实。不管你是初学者还是正欲转职做数据科学相关工作的人,我都建议你看看这个视频,一定会让你有所启发。

2. CMU统计机器学习课程

时长:24 Lectures

地址:https://www.youtube.com/watch?v=zcMnu-3wkWo&index=1&list=PLTB9VQq8WiaCBK2XrtYn5t9uuPdsNm7YE

CMU 的这门课程将带你了解机器学习和统计建模的基础。主要内容包括:参数和非参数回归、聚类、提升、图形分析、极大极小理论、降维等。本课程最适合已有统计学和数学基础的学生。此外,课程还提供作业任务和解决方法。

3. 滑铁卢大学机器学习课程

时长:23 Lectures

地址:https://www.youtube.com/watch?list=PLFze15KrfxbH8SE4FgOHpMSY1h5HiRLMm&v=b5NlRg8SjZg

滑铁卢大学的这门机器学习课程将带你了解机器学习的基础概念和前沿理论。这是一个理论性质的课程,将带领你探讨机器学习算法中的数学关系。本课程有包括《理解机器学习》的作者 Shai Ben David 在内的多名教授,涵盖的主题包括线性回归、贝叶斯、树、聚类、神经网络、集成、隐马尔可夫模型等。

4. Python 应用机器学习课程

时长:57 Lectures

地址:https://www.youtube.com/watch?list=PLQVvvaa0QuDfKTOs3Keq_kaG2P55YRn5v&v=OGxgnH8y2NM

本课程为所有寻找机器学习基础课程的 Python 使用者设计。课程涵盖监督学习、无监督学习和深度学习算法的理论和实践。在这系列视频中,你将能够了解线性回归、K-最近邻法、支持向量机(SVM)、扁平聚类、层次聚类和神经网络。本课程还讨论了使用实际数据集,每个算法在现实生活中的应用。此外,通过使用代码重建每个算法,你将能够了解它们的工作原理。本课程将帮助你全面了解算法的工作原理,以及如何应用。

5. 导论:Python 数据科学

时长:6 Lectures

地址:https://www.youtube.com/watch?list=PL2-dafEMk2A6QKz1mrk1uIGfHkC1zZ6UU&v=T5pRlIbr6gg

这是另一个 Python 数据科学教程。如果你由于工作忙碌无法抽出时间系统学习数据科学,那么这系列的视频是不二之选。这系列一共6个视频,每个时长7分钟,涵盖的主题包括情感分析、推荐系统、预测股票价格等数据科学应用,以及如何使用 Python 和 TensorFlow 构造神经网络,介绍遗传算法等。本课程要求对 Python 有基本的了解。

6. SciPy 机器学习导论课

时长:3小时

地址:https://www.youtube.com/watch?v=OB1reY6IX-o

这是 Sebastian Raschka 和 Andreas Muller 在2016年7月的 SciPy 大会上的专门课程。本课程中,Sebastian 介绍了机器学习和 Scikit 学习及其应用实例,以及 Python 的多种计算工具:NumPy,SciPy 和 matplotlib。Sebastian 还解释了使用 Iris 数据集实践机器学习的数据呈现。Andreas 介绍了监督学习中的分类和回归算法,Sebastian 接着解释了用于无监督学习的聚类。本课程能让你熟悉 scikit-learn 接口,scikit-learn 是广泛使用的一个 Python 库。本课程还提供了使用 Titanic 数据集建立预测模型的实践指导。

7. Python Pandas数据分析

时长:31 Lectures

地址:https://www.youtube.com/watch?list=PL5-da3qGB5ICCsgW1MxlZ0Hq8LL5U3u9y&v=yzIMircGU5I

Pandas 是一个用于数据分析、处理和可视化的全功能 Python 库。由于其易读性和多用途性,Python 通常是初学者开始数据科学学习的热门选择。本教程面向希望了解大量数据及开始使用数据科学的 Python 使用者。本系列共31个视频,将介绍 Pandas 及其用途,演示数据分析中的每个步骤。

8. CS50 机器学习课程

时长:1小时30分

地址:https://www.youtube.com/watch?v=G-kiewt438M&t=560s

这是哈佛大学和耶鲁大学的 CS50 机器学习课程中的一节。这个视频介绍了机器学习及其应用。对所有程序员来说,这是最好的一个教程,将让你开始使用 Python 进行机器学习。该视频介绍了机器学习的基本概念以及机器学习如何影响我们今天的生活,将让你了解机器学习如何应用于构建搜索引擎、图像识别、语音识别和自然语言处理,教你使用 Python 和文本聚类进行图像分类。

9. Pandas 初学者的数据分析和处理教程

时长:3小时30分

地址:https://www.youtube.com/watch?v=6ohWS7J1hVA

如前所述,Pandas 是流行的 Python 库。这个教程将带你使用 Pandas,用 Python 进行数据分析和处理。Pandas 生态系统正在扩大,它的用户友好性质使得数据分析更简单。本教程面向任何想要开始使用 Python 进行数据分析的初学者,使用气候数据集演示 Pandas。

10. 什么是人工智能

时长:9分21秒

地址:https://www.youtube.com/watch?v=kWmX3pd1f10

人工智能是使机器变聪明,聪明得足以自主采取行动的一种方法。人们关于人工智能的争论很多,最常见的问题是“什么是人工智能?”这个短视频将带你了解人工智能的根源,了解人工智能是如何变成今天的主流话题,以及人工智能的各种应用如何改变了世界,了解什么是专家系统,了解图像识别、机器人、深度学习等与 AI 的相互联系。

11. Azure ML 初学者的机器学习教程

时长:2小时35分

地址:https://www.youtube.com/watch?v=xmvEGS5Xbpg

Azure ML 是微软今年早些时候推出的机器学习平台,这个课程由微软的分析专家讲解,将让你了解 Azure ML 的使用方法及其如何为机器学习的大规模消费化做出贡献。本课程分四个部分。第一部分介绍机器学习的优势和 AzureML studio;第二部分介绍 AzureML 及如何使用 AzureML 构造推荐系统解决方案;第三部分介绍如何使用 Azure Marketplace 获利,Azure Marketplace 托管各种使用 ML 的 API,包括必应语音识别控件,微软翻译 API,必应同义词 API 和必应搜索 API 等,到今天为止,Azure Marketplace 有25种机器学习 API。

机器学习提高

1. 机器学习方法

时长:7 Lectures

地址:https://www.youtube.com/watch?v=cKxRvEZd3Mw&list=PLOU2XLYxmsIIuiBfYad6rFYQU_jL2ryal&index=7

机器学习使系统变得越来越聪明,越来越接近人类智能。这系列一共7个10分钟的视频将让你了解机器学习的各种应用。观看第一个视频,你应该就能写出第一个代码。这些视频介绍决策树可视化、scikit-learn、TensorFlow,怎样构建自己的分类器,你的模型中哪些是最准确的特征,以及更多有趣的概念。该课程使用的语言是 Python,视频信息量非常大,对数据科学中级学习者来说是必看的。

2. Scikit-Learn:机器学习与文本

时长:2小时40分

地址:https://www.youtube.com/watch?v=ZiKMIuYidY0

虽然在 Python 中数字数据很管用,但大多数人类知识实际上是原始的、非结构化的文本。通过学习如何将文本转换为机器学习模型可用的数据,可以大幅增加模型能够学习的数据量。本教程介绍了如何使用 scikit-learn 从现实世界文本中构造和评估预测模型。学完本教程,你应该能够利用文本数据构造预测模型,以及特征提取、模型构造和模型评估。这个教程在 PyCon 2016 发布。

3. 骇客机器学习

时长:9 Lectures

地址:https://www.youtube.com/watch?v=2FOXR16mLow&index=1&list=PL2-dafEMk2A4ut2pyv0fSIXqOzXtBGkLj

曾经好奇过 Netflix 是怎样根据你的观看记录为你推荐节目,或亚马逊是如何给你推荐产品的吗?对任何机器学习从业者来说,这些问题都很好理解。这个教程介绍了机器学习的基本概念,以及如何使用机器学习解决各种问题,构造基于 AI 的游戏以及许多其他 ML 应用程序。这个教程不只是介绍这些应用,你还将学会如何构造电影推荐系统、聊天机器人、AI 游戏、AI 阅读&写作程序等。这个教程为机器学习骇客设计,要求对机器学习概念先有一个总体的理解。

4. Apache Spark MLlib 机器学习导论

时长:42分19秒

地址:https://www.youtube.com/watch?v=qKYpMPPL-fo

Spark MLlib 是一个用于在大型数据集上执行机器学习及相关任务的库。使用 MLlib,只需要几行代码就能将一个机器学习模型拟合到10亿次观察。在这个教程中,Cloudera 的高级数据科学家从头开始介绍 Apache Spark,你将了解 Spark 的工作原理和它的执行模型。教程使用了几个例子解释 Spark 提供的交互性,也介绍了如何使用 Spark 的数据组 API 进行快速的数据操作,以及使用机器学习管道使模型的开发和优化过程更容易。

5. Python 时间序列分析

时长:3小时

地址:https://www.youtube.com/watch?v=JNfxr4BQrLk&t=1432s

这个教程将让你了解为什么要使用时间序列以及时间序列分析的重要性。教程先是用10分钟快速介绍了 Pandas,可以作为复习。然后你将了解时间序列如何运作,并学习如何在 Pandas 中处理日历。你将了解不同的时间标记数据,如 US-GIS,NIH,FRB 等,以及了解常用的时间序列分析工具,用时间序列进行预测和分类。

机器学习应用

1. 机器学习的突破性进展

时长:28分26秒

地址:https://www.youtube.com/watch?v=sphFCJE1HkI

机器学习使得各种小工具和机器更加智能,Siri 和 Cortona 正是机器学习的一些重大进步的结果。但是,这些产品的创造背后有什么?这个谷歌数据科学团队的视频能让我们了解机器学习最新的一些突破。团队从语音识别机器背后的机制讲起,介绍了如何在图形上使用机器学习,机器学习如何使图像分类和智能回复成为可能。这是一个有趣的视频,揭示了谷歌为三个主要机器学习应用开发的机器学习平台的所有后端操作。

2. 机器学习与艺术

时长:42分35秒

地址:https://www.youtube.com/watch?v=egk683bKJYU

机器学习的最新进展令人感佩,其应用似乎无穷无尽。神经网络是令人难以置信的工具,它让艺术家不仅能够分析艺术作品,而且能够处理和生成图像、视频和音乐。这个视频中,演讲者介绍了谷歌的文化部门如何将机器学习用于艺术和文化,带你了解机器学习所能做到的各种有趣的任务,例如训练机器玩超级马里奥游戏,使用机器学习创造精巧的艺术拼贴画,创造图像和影像。这是一个非常有趣的视频,必看推荐。

3. 计算机如何学习创造性

时长:17分34秒

地址:https://www.youtube.com/watch?v=uSUOdu_5MPc

这是我看过的有关机器学习应用的非常令人震撼的视频之一。深度学习是人工智能的一个子领域。使用深度学习,数据科学家们的目标是使机器具有与人类的大脑相同的功能。这是谷歌首席科学家 Blaise Agüera y Arcas 的 Ted 演讲,他分享了机器学习算法和神经网络如何用于构建机器感知。在视频中,他展示了训练于识别图像的神经网络如何可以反向作用,生成相同的图像。

4. 机器学习解码基因组

时长:9分53秒

地址:https://www.youtube.com/watch?v=lX76DzZdjvQ

机器学习也可以用于解码人类基因组,揭开一个全新的药物世界。在这段视频中,斯坦福大学遗传学和计算机科学助理教授 Anshul Kundaje 解释了机器学习如何用于这一目的,以及健康个体的基因组如何与有特定疾病的家庭成员进行比较以鉴定疾病相关的遗传变异。我认为这可能是检测遗传性疾病,如阿尔茨海默病和癌症的早期症状的重要应用。

5. Pinterest 的机器学习应用

时长:23分54秒

地址:https://www.youtube.com/watch?v=mN6MrzL1i78

在这个视频中,Pinterest 的首席科学家 Jure Leskovec 解释了 Pinterest 如何使用机器学习。它对机器学习如何改变互联网企业是一个激励。Jure 解释了 Pinterest 的各个部门如何利用机器学习影响新的用户体验、兴趣推荐、内容类型、用户行为预测等。Jure 还分享了他们的收获以及经验教训。

6. GrabTaxi 如何使用机器学习预测出租车空车情况

时长:11分24秒

地址:https://www.youtube.com/watch?v=XGyEVWTpJ20&t=2s

就我个人而言,了解机器学习如何解决不同层次的商业问题是令人惊讶的。一个例子是 Grab Taxi 如何使用机器学习来解决出租车空车率的问题。Grab 开发了一个竞价系统,投标最快的司机能被分配乘客。观看完整视频了解他们如何使用机器学习构建司机投标概率的预测模型,并使用实时数据来解决这个问题。

7. Amazon ML 入门

时长:54分43秒

地址:https://www.youtube.com/watch?v=6a4CTf5uc5c

亚马逊机器学习(Amazon ML)是让任何技术水平的开发人员都能轻松使用机器学习的服务。 Amazon ML 的强大算法通过在现有数据中查找模式来创建机器学习模型。在本教程中,你将学会如何使用机器学习与已有的数据来创建准确、可行的预测模型,即创建智能应用程序。教程解释了如何使用 Amazon ML 或把 Amazon ML 集成到自己的应用程序以利用云上的预测分析。

8. Amazon Go:最先进的购物技术

时长:1分49秒

地址:https://www.youtube.com/watch?v=NrmMk1Myrxc

我认为这是最令人着迷的技术之一。亚马逊利用计算机视觉、机器学习、深度学习算法和传感器的组合,提供了前所未有的购物体验。需要说明一下的是,我不是想宣传 Amazon Go,只是想让大家了解机器学习能做到的各种事情。

9. 必看的10个基于机器学习的产品

时长:18分35秒

地址:https://www.youtube.com/watch?v=dcZvhP-IqY4

为了了解机器学习的魔力,可以观看这个视频,这些产品是机器人学和人工智能以及计算机视觉的结合。这些机器人的表现已经类似人类,能执行可能之前你认为机器不可能做到的任务。这个视频是有关机器人如何在未来替代人类的预示。

10. 知识图谱

时长:48分41秒

地址:https://www.youtube.com/watch?v=PAumnCRZuMY

连接图是最佳的商业策略,也是当今世界经济增长的关键。连接图是利用相互关联的数据来理解任何用户或客户之间的关系的能力。在这个视频中,演讲者解释了使用AI、机器学习和深度学习的图形数据库技术。你将了解连接图的基础知识及其工作原理,AI 如何作为这些连接图的基础,以及知识图谱的常用例。

11. AI 游戏革命

时长:10分30秒

地址:https://www.youtube.com/watch?v=Xhec39dVGDE

AI 驱动下的计算机如今很聪明,似乎可以在任何新游戏中击败人类。AlphaGo 今年初在围棋对弈中赢得人类专业棋士时获得了极大的关注。但问题在于它们的大脑,它们是如何表现得这么好的?在这个视频中,你将了解让AI游戏成为现实的启发式方法(Heuristics)、生产系统( production system),以及深度神经网络。

12. 机器学习的医疗应用

时长:17分56秒

地址:https://www.youtube.com/watch?v=Nj2YSLPn6OY

每个行业都认识到机器学习的潜力。在这个视频中,将机器学习应用到医疗行业的演讲者解释了如何使用机器学习检测疾病的早期症状。基本上这是通过使用医院提供的大量数据来分析数据中的模式实现的。想象一下,如果医院都开始使用机器学习,将挽救多少生命。

13. 构建自己的智能应用程序

时长:42分32秒

地址:https://www.youtube.com/watch?v=Ja2hxBAwG_0

Google 相册和 Google 翻译是机器学习应用的另一个例子。这个 Google 团队的视频将让你了解开发人员如何利用机器学习开发功能强大的app。了解曾获奥斯卡奖的工作室如何利用云经济学和 Google 的随需运算来实现他们的创意,并利用这种数字媒体来讲故事。

14. 机器学习:Google的愿景

时长:44分44秒

地址:https://www.youtube.com/watch?v=Rnm83GqgqPE

Google 如何使用机器学习?这个视频中,Google 的机器学习团队介绍他们如何使用机器学习构造此前我们无法想象的产品。这个视频将让你详细了解 Google 对机器学习和 AI 的理解,此外,Google 已在许多产品中注入了实用的 AI 技术,让终端用户更接近该技术。

原文链接:https://www.analyticsvidhya.com/blog/2016/12/30-top-videos-tutorials-courses-on-machine-learning-artificial-intelligence-from-2016/

原文发布于微信公众号 - 新智元(AI_era)

原文发表时间:2016-12-24

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

来自专栏量子位

像人一样脑补世界!DeepMind历时一年半搞出GQN,登上Science

1905
来自专栏新智元

【开发者的2018】GAN、AutoML、统一框架、语音等十大趋势

来源:medium 作者:Alex Honchar 翻译:刘小芹 【新智元导读】本文从开发者的角度,总结了GAN、AutoML、语音识别、NLP等已经可以用...

3466
来自专栏人工智能头条

Yann LeCun:深度学习硬件前瞻

1345
来自专栏机器之心

学界 | OpenAI竞争性自我对抗训练:简单环境下获得复杂的智能体

机器之心编译 选自:OpenAI 参与:蒋思源、刘晓坤 OpenAI 近日表示通过自我对抗训练的竞争性多智能体可以产生比环境本身复杂得多的行为。该研究基于 Do...

3685
来自专栏数据科学与人工智能

【数据挖掘】写给新人数据挖掘基础知识介绍

一、数据挖掘技术的基本概念 随着计算机技术的发展,各行各业都开始采用计算机及相应的信息技术进行管理和运营,这使得企业生成、收集、存贮和处理数据的能力大大提高,数...

24110
来自专栏AI科技评论

重磅 | 美国西北大学新系统在智力测试中超越75%民众,人类的推理能力也不及AI了?

你听过瑞文氏标准推理测试(Raven’s Progressive MatriCES)么?上面这张图就是一道标准的瑞文氏测试题目,是不是很眼熟?在公务员考试、一般...

3495
来自专栏专知

2017年深度学习总结:文本和语音应用

【导读】近日,大数据科学家Volodymyr Fedak发布一篇博客,总结了2017年深度学习的发展:深度学习在文本和语音领域的应用。深度学习从发展伊始就在图像...

3624
来自专栏AI科技大本营的专栏

​产品经理如何学机器学习——一篇以产品为中心的机器学习概论

我现在常常听说产品负责人/经理、技术经理和设计师通过网上课程学习机器学习。我一直鼓励这种做法——实际上,我本人曾学习过那些课程(并且在博客上发表了相关内容)。 ...

3968
来自专栏ATYUN订阅号

IBM为机器学习开发低功耗,高性能的视觉系统

机器学习算法近年来有了突飞猛进的发展。例如,像Facebook这样的最先进的系统 可以在一小时内训练图像分类算法,而不会牺牲准确性。但其中许多人都接受过使用强大...

755
来自专栏Python攻城狮

DIKW模型与数据工程1.DIKW 体系2.数据工程领域中的DIKW体系3.数据工程 领域职业划分4.数据分析5.数据建模基础

DIKW体系是关于数据、信息、知识及智慧的体系,可以追溯至托马斯·斯特尔那斯·艾略特所写的诗--《岩石》。在首段,他写道:“我们在哪里丢失了知识中的智慧?又在哪...

1383

扫码关注云+社区