机器学习入门课程-干货多有视频

课程提供了机器学习的总体介绍，旨在让所有参与者保持相同的学习进度，掌握概念定义和基本知识背景。在简要地概述各种机器学习问题后，我们讨论线性回归，它的目标函数和闭合解。我们讨论偏差-方差权衡（ bias-variance trade-off ）和过度拟合（ overfitting ）问题（以及恰当使用交叉验证法去客观衡量它们的表现）。我们讨论从概率论上将误差平方和（ sum-squared error ）视作在对数据生成过程的特定假设下最大化可能性，而且将 L2 和 L1 正则化方法视作贝叶斯分析法中的优先方法。我们简明地讨论贝叶斯方法论，方便你们学习。最后，我们讲解逻辑回归、交叉熵优化准则及其以第一和第二阶方法来求解的方案。

教学视频：http://videolectures.net/deeplearning2016_precup_machine_learning/