【资源】15个在线机器学习课程和教程

本文推荐15个机器学习课程和行业领先大牛的教程。其中大多数课程都是免费的,无需注册即可自学。内容包括决策树、朴素贝叶斯、逻辑回归、神经网络和深度学习、估计、贝叶斯学习、支持向量机和核方法(kernel)、聚类、无监督学习、提升算法(boosting)、强化学习和学习理论(learning theory)。

如果你需要回顾一下机器学习的背景知识,卡内基梅隆大学(Carnegie Mellon University)的Geoff Gordon教授的机器学习系列课程非常值得学习:机器学习的数学背景(Math Background for Machine Learning)

https://www.youtube.com/playlist?list=PL7y-1rk2cCsAqRtWoZ95z-GMcecVG5mzA 。

神经网络与机器学习简介(Introduction to Neural Networks and Machine Learning)

Geoffrey E. Hinton. University of Toronto. 2014

https://sky2learn.com/preview-wjP3pHdRJvFJK-nXdR1_kg

  • 机器学习(Machine Learning) Ruslan Salakhutdinov. Carnegie Mellon University, Director of AI Research at Apple. This course was taught at University of Toronto. 2015 https://sky2learn.com/preview-dFtevIcJ3Af6CputGezgDA
  • 机器学习和模式识别(Machine Learning and Pattern Recognition) Yann LeCun. New York University, Director of AI Research at Facebook 2010 https://sky2learn.com/preview-QiHThsEgAVEy4-odxkX1Ng
  • 从数据中学习(Learning from Data) Yaser S. Abu-Mostafa. California Institute of Technology. 2012 https://sky2learn.com/preview-4sLonxjTQNRtKIrJ6xCkAg
  • 机器学习(Machine Learning) Kilian Weinberger. Cornell. 2017 Mobile friendly lecture notes https://sky2learn.com/preview-Pq1N3D-lXlencKqqPYxANQ
  • 机器学习(Machine Learning) Andrew Ng. Stanford University via Coursera. Founder of Coursera. 2017 starts on 2017/12/25 https://sky2learn.com/preview-7W3n96KtqMr-3LLpsFuM2Q/
  • 面向机器学习的神经网络(Neural Networks for Machine Learning) Geoffrey Hinton. University of Toronto via Coursera. 2017 The newer version of his 2014 course, starts on 2017/12/25 https://sky2learn.com/preview-E9cbKYvP0WjpeNEGBkiUOA/
  • 机器学习和自适应智能(Machine Learning and Adaptive Intelligence) Neil Lawrence. University of Sheffield, Director of Machine Learning at Amazon. 2015 https://sky2learn.com/preview-Qo6n50aBrr1_Ku_Yd8XkJw/
  • 神经网络和机器学习的介绍(Intro to Neural Networks and Machine Learning) Roger Grosse. University of Toronto. 2017 https://sky2learn.com/preview-6dHXgYG3W_OCmPgPy3akGg
  • 信息论,模式识别和神经网络(Information Theory, Pattern Recognition, and Neural Networks) David MacKay. University of Cambridge via Videolectures. https://sky2learn.com/preview-waGKXtKmz8A9MZZjkbnXMw/
  • 机器学习(Machine Learning) Tom Mitchell and Maria-Florina Balcan. Carnegie Mellon University. 2015 https://sky2learn.com/preview-F6w_2HD9j2tvUNfxE1RrNA/
  • 机器学习(Machine Learning) Michael Littman, Charles Isbell, and Pushkar Kolhe. Georgia Institute of Technology via Udacity. 2017 https://sky2learn.com/preview-AtFhs-yWq9fPxaDgSe_YcA
  • 机器学习简介(Introduction to Machine Learning) Sargur Srihari. University at Buffalo. 2017 https://sky2learn.com/preview-_wrGYyY4Rt0ExRCGN7Oytw/
  • 机器学习——纳米级介绍(Machine Learning - Nano Degree) Arpan Chakraborty, David Joyner, Luis Serrano, Sebastian Thrun, Vincent Vanhoucke, and Katie Malone. Udacity. 2017 https://sky2learn.com/preview-XjNZGyJsqwXORImXYdsURQ/
  • 机器学习教程(Tutorial: Machine Learning) Andrew Moore. Dean of School of Computer Science at Carnegie Mellon University. https://sky2learn.com/preview-XjNZGyJsqwXORImXYdsURQ/

参考链接:

http://bigdata.evget.com/post/2183.html

原文发布于微信公众号 - 专知(Quan_Zhuanzhi)

原文发表时间:2017-12-23

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

来自专栏机器之心

资源 | 从ReLU到Sinc,26种神经网络激活函数可视化

36790
来自专栏机器学习、深度学习

统计学习导论 Chapter3--Linear Regression

Book: An Introduction to Statistical Learning with Applications in R http:...

25970
来自专栏数据科学学习手札

(数据科学学习手札24)逻辑回归分类器原理详解&Python与R实现

一、简介   逻辑回归(Logistic Regression),与它的名字恰恰相反,它是一个分类器而非回归方法,在一些文献里它也被称为logit回归、最大熵...

44380
来自专栏开心的学习之路

主成分分析降维(MNIST数据集)

今天看了用主成分分析简化数据,就顺便用MNIST数据集做了下实验,想直观地看一下效果,并通过完成这个小demo深入理解下原理。 我发现“是什么、能做什么、怎么用...

46360
来自专栏数据派THU

一文读懂支持向量积核函数(附公式)

来源:jerrylead 本文通过多个例子为你介绍支持向量积核函数,助你更好地理解。 核函数(Kernels) 考虑我们最初在“线性回归”中提出的问题,特征是房...

847140
来自专栏专知

【论文推荐】最新6篇目标检测​(Object Detection)相关论文—物体链接、手机端、三维地图、航空图像、检测与姿态估计

【导读】专知内容组整理了最近六篇目标检测(Object Detection)相关文章,为大家进行介绍,欢迎查看! 1. Object Detection in ...

58550
来自专栏大数据文摘

史上最全!27种神经网络简明图解:模型那么多,我该怎么选?

24240
来自专栏专知

【论文推荐】最新五篇度量学习相关论文—无标签、三维姿态估计、主动度量学习、深度度量学习、层次度量学习与匹配

【导读】专知内容组整理了最近五篇度量学习(Metric Learning )相关文章,为大家进行介绍,欢迎查看! 1.Mining on Manifolds: ...

40930
来自专栏PPV课数据科学社区

数据挖掘常用模型构建示例(R语言版)

Linear Regression library(MASS) lm_fit = lm(medv~poly(rm,2)+crim,data = Boston) ...

41850
来自专栏人工智能头条

互联网广告CTR预估新算法:基于神经网络的DeepFM原理解读

CTR(Click-Through-Rate)即点击通过率,是互联网广告常用的术语,指网络广告(图片广告/文字广告/关键词广告/排名广告/视频广告等)的点击到达...

36120

扫码关注云+社区

领取腾讯云代金券