重磅干货,第一时间送达
机器学习大 IP 吴恩达(Andrew Ng)曾在 Coursera 上开设的《Machine Learning》课程无疑是机器学习入门的绝佳教程。
课程主页
https://www.coursera.org/learn/machine-learning/
课程大纲
关于这门课的官方介绍是:本课程将广泛介绍机器学习、数据挖掘和统计模式识别。相关主题包括:
监督式学习(参数和非参数算法、支持向量机、核函数和神经网络)。
无监督学习(集群、降维、推荐系统和深度学习)。
机器学习实例(偏见/方差理论;机器学习和AI领域的创新)。
课程将引用很多案例和应用,您还需要学习如何在不同领域应用学习算法,例如智能机器人(感知和控制)、文本理解(网络搜索和垃圾邮件过滤)、计算机视觉、医学信息学、音频、数据库挖掘等领域。
总课时为 11 周,大纲如下:
Week 1
- 介绍
- 单变量线性回归
- 线性代数回顾
Week 2
- 多变量线性回归
- Octave/Matlab 教程
Week 3
- 逻辑回归
- 正则化
Week 4
- 神经网络:表现
Week 5
- 神经网络:学习
Week 6
- 机器学习实用建议
- 机器学习系统设计
Week 7
- 支持向量机
Week 8
- 非监督式学习
- 降维
Week 9
- 异常检测
- 推荐系统
Week 10
- 大规模机器学习
Week 11
- 应用示例:照片 OCR
Python 代码
课程配套的作业是基于 Octave/Matlab 的,幸运的是已经有人在 GitHub 上开源了相应的 Python 版本,方便大家学习。相应的 GitHub 地址:
https://github.com/kaleko/CourseraML
思维导图
笔者在学习这门课的时候,使用 XMind 作了一个课程知识点总结的思维导图:
这张思维导图基本上把本课程所有的知识点和关键公式都整理出来了。这里的图可能不太清楚,但是原图比较清晰,详见下面的资源下载。
资源下载
目前,该思维导图的.xmind 文件和高清.png 图片已经整理打包完毕,还包括这门课所有的教学视频!获取方式如下:
领取专属 10元无门槛券
私享最新 技术干货