资源《机器学习基础：案例研究》by 华盛顿大学

此前分享了两个机器学习相关的资源，即《最全深度学习资源集合（Github：Awesome Deep Learning）》和《动手学深度学习》by Amazon AI:李沐。

本回继续分享下Coursera上华盛顿大学机器学习的专项课程，课程视频（中英字幕）、课件和代码都已经下载下来了，获取方式见于评论区哈。，还不会快学起来哈。

言归正传。不同于其他大佬们的更偏理论、算法原理、数学推导等的机器学习课程，本门课程以诸多案例的方式来介绍机器学习的一些知识，课程开始就会介绍到最后的终极任务（the Capstone Project）是实现基于图片和文本、并运用深度学习构建的推荐系统，因而可以在循序渐进的学习中思考又学到了哪些内容可用于最后项目的完成。

演示的视频参见第一周课程里的：04_the-capstone-and-an-example-intelligent-application.avi

如项目概览里所述，内容涉及预测、分类、聚类、信息检索算法等。

在第一门课程——也就是本次分享的资源：《机器学习基础：案例研究》——里会先简单了下分类、回归、聚类、检索、推荐系统、深度学习等等知识，并用Graphlab库（类似pandas和scikit-learn）实现一些小项目，比如预测比尔盖茨的房子价格、维基百科里相似的人物等等。

每周课程目录如下，这里顺带介绍下一个专门下载coursera资源的“coursera-dl”python库。

以本课程《机器学习基础：案例研究》为例，其网址为：https://www.coursera.org/learn/ml-foundations

课程ID为：ml-foundations

在pip install coursera-dl ，安装库成功后，以如下命令进行下载，其中username和password，就是你的账号和密码，ml-foundations就是课程ID

coursera-dl -u username -p password ml-foundations --path=E:\CourseraVideo

不过有些课似乎下载不了，不知道是未注册对应课程，还是无对应资源。另外下载的快慢就因网速等而异了。

在第一门课简单的介绍了一些概念和案例后，后续还有三门更深入的课程，分别介绍：回归、分类、聚类和检索。课程目前正在开课中，可以在每门课的主页点击注册报名，选择“旁听”来免费学习。

另外代码和其他资源见于文件夹：“08_Resources”，不过因为用到的是没那么常见的graphlab库，私心以为可以在学好pandas和scikit-learn后自行实现一遍。