多伦多大学最新版《机器学习导论》

机器学习(ML)是一组技术，允许计算机从数据和经验中学习，而不是要求人类手工指定所需的行为。ML在AI的学术领域和工业领域都越来越重要。本课程提供了一些最常用的ML算法的广泛介绍。它还将介绍一些关键的算法原理，这些原理将作为更高级课程的基础，如CSC412/2506(概率学习和推理)和CSC413/2516(神经网络和深度学习)。

我们从最近邻，典型非参数模型开始。然后我们转向参数模型:线性回归、逻辑回归、softmax回归和神经网络。然后我们转向无监督学习，特别关注概率模型，以及主成分分析和k均值。最后，我们介绍了强化学习的基础知识。

http://www.cs.toronto.edu/~rgrosse/courses/csc311_f20/

相关阅读:

10 个常用机器学习算法

【图解机器学习】人人都能懂的算法原理

干货 | 9G火爆的Python爬虫教程+ 520页《图解机器学习》

【重磅】《机器学习基础》第二版正式开放下载

硬核！复旦学子翻译《可解释的机器学习》（附pdf下载）