2018-04-26 19:02:34 red_stone1 阅读数 11860
  • AI时代,机器学习该如何入门?

    机器学习入门视频教程,该课程会告诉大家如何入门机器学习,掌握机器学习必要的基础知识,了解机器学习路径。对于机器学习,很多人的观点是:机器学习技术是今后所有技术人员都绕不过的一个门槛。 那么,普通程序员该学习机器学作为一名对机器学习心有向往的程序员,我该以什么样的姿势开始呢?不妨看看该课程。

    7590 人正在学习 去看看 CSDN讲师

这里写图片描述

本文所有资源已放在github上,欢迎star
NTU-HsuanTienLin-MachineLearning

课程介绍

台湾大学林轩田老师的《机器学习基石》课程由浅入深、内容全面,基本涵盖了机器学习领域的很多方面。其作为机器学习的入门和进阶资料非常适合。而且林老师的教学风格也很幽默风趣,总让读者在轻松愉快的氛围中掌握知识。在此,笔者将把这门课的所有视频、笔记、书籍等详细资料分享给大家。

首先附上这门课的主页:

Hsuan-Tien Lin 机器学习基石

课程视频在B站上可以直接观看哦~这里附上传送门:

机器学习基石(林轩田)

课程内容

这门课主要涉及机器学习关键问题的四个方面:

  • When Can Machine Learn?

  • Why Can Machine Learn?

  • How Can Machine Learn?

  • How Can Machine Learn Better?

其中每个方面包含4节课,总共有16节课。具体所有课程内容如下:

  • When Can Machine Learn?

    • The Learning Problem

    • Learning to Answer Yes/No

    • Types of Learning

    • Feasibility of Learning

  • Why Can Machine Learn?

    • Training versus Testing

    • Theory of Generalization

    • The VC Dimension

    • Noise and Error

  • How Can Machine Learn?

    • Linear Regression

    • Logistic Regression

    • Logistic Regression

    • Nonlinear Transformation

  • How Can Machine Learn Better?

    • Hazard of Overfitting

    • Regularization

    • Validation

    • Three Learning Principles

资源汇总

笔者在学习这门课的过程中整理了各种课程资源,包括视频、笔记、书籍等。具体如下:

课程视频

完整的16节课程视频都存放在百度云盘上,方便转存、下载。包括视频对应的教学ppt(pdf形式)。

这里写图片描述

这里写图片描述

课程笔记

这是笔者最用心整理也是花的时间最多的,读者可以边看视频边看我的笔记,希望能给读者提供微薄之力。所有精炼笔记都已发布在个人主页上。但是为了便于大家线下阅读,特此将笔记整理为pdf文件,可供打印。所有精炼笔记的pdf文件都放在百度云盘上。

这里写图片描述

课程书籍

林轩田机器学习基石这门课有一个配套教材:《Learning From Data》,林轩田也是编者之一。这本书的主页为:

Learning From Data

这里写图片描述

豆瓣上关于这本书的评分高达9.4,还是很不错的,值得推荐!可以配套视频一起学习。

这里写图片描述

这本书的pdf版本也放在了百度云盘上。

这里写图片描述

如何获取资源

目前,笔者为大家整理了机器学习基石所有的视频、笔记、书籍等资源。获取的方式很简单,只需关注微信公众号:AI有道(ID: redstonewill),后台回复:“基石资源” 即可。

还等什么,赶紧领取吧~希望笔者的这些资料能够对你有一点点帮助。这样,也是笔者的一大快事!

微信公众号二维码在此!

这里写图片描述

2018-04-29 00:01:08 red_stone1 阅读数 43
  • AI时代,机器学习该如何入门?

    机器学习入门视频教程,该课程会告诉大家如何入门机器学习,掌握机器学习必要的基础知识,了解机器学习路径。对于机器学习,很多人的观点是:机器学习技术是今后所有技术人员都绕不过的一个门槛。 那么,普通程序员该学习机器学作为一名对机器学习心有向往的程序员,我该以什么样的姿势开始呢?不妨看看该课程。

    7590 人正在学习 去看看 CSDN讲师
640?wx_fmt=jpeg

AI有道

不可错过的AI技术公众号

关注

640?wx_fmt=jpeg
640?wx_fmt=gif
640?wx_fmt=jpeg

课程介绍

台湾大学林轩田老师的《机器学习基石》课程由浅入深、内容全面,基本涵盖了机器学习领域的很多方面。其作为机器学习的入门和进阶资料非常适合。而且林老师的教学风格也很幽默风趣,总让读者在轻松愉快的氛围中掌握知识。在此,笔者将把这门课的所有视频、笔记、书籍等详细资料分享给大家。

首先附上这门课的主页:

https://www.csie.ntu.edu.tw/~htlin/

课程视频在B站上可以直接观看哦~这里附上传送门:

https://www.bilibili.com/video/av12463015/

课程内容

这门课主要涉及机器学习关键问题的四个方面:

  • When Can Machine Learn?

  • Why Can Machine Learn?

  • How Can Machine Learn?

  • How Can Machine Learn Better?

其中每个方面包含4节课,总共有16节课。具体所有课程内容如下:

  • When Can Machine Learn?

The Learning Problem

Learning to Answer Yes/No

Types of Learning

Feasibility of Learning

  • Why Can Machine Learn?

Training versus Testing

Theory of Generalization

The VC Dimension

Noise and Error

  • How Can Machine Learn?

Linear Regression

Logistic Regression

Logistic Regression

Nonlinear Transformation

  • How Can Machine Learn Better?

Hazard of Overfitting

Regularization

Validation

Three Learning Principles

资源汇总

课程视频

完整的16节课程视频都存放在百度云盘上,方便转存、下载。包括视频对应的教学ppt(pdf形式)。

640?wx_fmt=png
640?wx_fmt=png

课程笔记

这是笔者最用心整理也是花的时间最多的,所有精炼笔记都已发布在公众号里。读者可以边看视频边看我的笔记,希望能提供微薄之力。但是,为了便于大家线下阅读,特此将笔记整理为pdf文件,可供打印。所有精炼笔记的pdf文件都放在百度云盘上。

640?wx_fmt=png

课程书籍

林轩田机器学习基石这门课有一个配套教材:《Learning From Data》,林轩田也是编者之一。这本书的主页为:

http://amlbook.com/

640?wx_fmt=jpeg

豆瓣上关于这本书的评分高达9.4,还是很不错的,值得推荐!可以配套视频一起学习。

640?wx_fmt=png

这本书的pdf版本也放在了百度云盘上。

640?wx_fmt=png

如何获取资源

目前,笔者为大家整理了机器学习基石所有的视频、笔记、书籍等资源。获取的方式很简单,只需关注微信公众号:AI有道(ID: redstonewill),后台回复:“基石资源” 即可。

还等什么,赶紧领取吧~希望精心整理的这些资料能够对你有实实在在的帮助。关注公众号,就是对笔者的最大支持!

640?wx_fmt=gif
640?wx_fmt=jpeg

喜欢就请赞赏转发分享一下吧

640?wx_fmt=jpeg

长按二维码扫描关注

AI有道

ID:redstonewill

640?wx_fmt=jpeg

红色石头

个人微信 : WillowRedstone

新浪微博:@RedstoneWill

2018-05-30 23:17:07 red_stone1 阅读数 10871
  • AI时代,机器学习该如何入门?

    机器学习入门视频教程,该课程会告诉大家如何入门机器学习,掌握机器学习必要的基础知识,了解机器学习路径。对于机器学习,很多人的观点是:机器学习技术是今后所有技术人员都绕不过的一个门槛。 那么,普通程序员该学习机器学作为一名对机器学习心有向往的程序员,我该以什么样的姿势开始呢?不妨看看该课程。

    7590 人正在学习 去看看 CSDN讲师

红色石头的个人网站:redstonewill.com

这里写图片描述

课程介绍

台湾大学林轩田老师曾在coursera上开设了两门机器学习经典课程:《机器学习基石》和《机器学习技法》。《机器学习基石》课程由浅入深、内容全面,基本涵盖了机器学习领域的很多方面。其作为机器学习的入门和进阶资料非常适合。《机器学习技法》课程主要介绍了机器学习领域经典的一些算法,包括支持向量机、决策树、随机森林、神经网络等等。林老师的教学风格也很幽默风趣,总让读者在轻松愉快的氛围中掌握知识。在此,笔者将把这两门课的所有视频、笔记、书籍等详细资料分享给大家。

首先附上这两门课的主页:

Hsuan-Tien Lin 机器学习基石

课程视频在B站上可以直接观看哦~这里附上传送门:

机器学习基石(林轩田)

机器学习技法(林轩田)

课程内容

《机器学习基石》

这门课主要涉及机器学习关键问题的四个方面:

  • When Can Machine Learn?

  • Why Can Machine Learn?

  • How Can Machine Learn?

  • How Can Machine Learn Better?

其中每个方面包含4节课,总共有16节课。具体所有课程内容如下:

  • When Can Machine Learn?

    • The Learning Problem

    • Learning to Answer Yes/No

    • Types of Learning

    • Feasibility of Learning

  • Why Can Machine Learn?

    • Training versus Testing

    • Theory of Generalization

    • The VC Dimension

    • Noise and Error

  • How Can Machine Learn?

    • Linear Regression

    • Logistic Regression

    • Linear Models for Classification

    • Nonlinear Transformation

  • How Can Machine Learn Better?

    • Hazard of Overfitting

    • Regularization

    • Validation

    • Three Learning Principles

《机器学习技法》

这门课主要涉及机器学习经典算法的三个方面:

  • Embedding Numerous Features: Kernel Models

  • Combining Predictive Features: Aggregation Models

  • Distilling Implicit Features: Extraction Models

总共有16节课。具体所有课程内容如下:

  • Embedding Numerous Features: Kernel Models

    • Linear Support Vector Machine

    • Dual Support Vector Machine

    • Kernel Support Vector Machine

    • Soft-Margin Support Vector Machine

    • Kernel Logistic Regression

    • Support Vector Regression

  • Combining Predictive Features: Aggregation Models

    • Blending and Bagging

    • Adaptive Boosting

    • Decision Tree

    • Random Forest

    • Gradient Boosted Decision Tree

  • Distilling Implicit Features: Extraction Models

    • Neural Network

    • Deep Learning

    • Radial Basis Function Network

    • Matrix Factorization

    • Finale

资源汇总

笔者在学习这门课的过程中整理了各种课程资源,包括视频、笔记、书籍等。具体如下:

课程视频

两门课所有的教学视频都存放在百度云盘上,方便转存、下载。包括视频对应的教学ppt(pdf形式)。

机器学习基石: 链接:https://pan.baidu.com/s/13GjUE9b9TMT0UfMINncRoA 密码:30p0

机器学习技法: 链接:https://pan.baidu.com/s/1WWbEjBWZ6PG7-NtzScCNig 密码:nh16

课程笔记

这是笔者最用心整理也是花的时间最多的,读者可以边看视频边看我的笔记,希望能给读者提供微薄之力。所有精炼笔记都已发布在个人主页上。但是为了便于大家线下阅读,特此将笔记的md文件和pdf文件全都发布在github上,可供查阅和打印。

这里写图片描述

这里写图片描述

课程书籍

林轩田机器学习基石这门课有一个配套教材:《Learning From Data》,林轩田也是编者之一。这本书的主页为:

Learning From Data

这里写图片描述

豆瓣上关于这本书的评分高达9.4,还是很不错的,值得推荐!可以配套视频一起学习。

这里写图片描述

机器学习技法对这本书添加了一些章节,作为扩展。原书和附加章节均放在百度云盘上。

这里写图片描述

上述所有资源(除了课程视频)都放在了GitHub上,资源还包括所有笔记的.md源文件,点击阅读原文获取。别忘了Star一下哦~

**更多干货文章请关注公众号:AI有道(ID:redstonewill) **
这里写图片描述

2018-09-06 15:43:25 vivian_ll 阅读数 245
  • AI时代,机器学习该如何入门?

    机器学习入门视频教程,该课程会告诉大家如何入门机器学习,掌握机器学习必要的基础知识,了解机器学习路径。对于机器学习,很多人的观点是:机器学习技术是今后所有技术人员都绕不过的一个门槛。 那么,普通程序员该学习机器学作为一名对机器学习心有向往的程序员,我该以什么样的姿势开始呢?不妨看看该课程。

    7590 人正在学习 去看看 CSDN讲师

笔记:
红色石头的专栏(写得非常好)

课后练习:
機器學習基石(Machine Learning Foundations) 机器学习基石 课后习题链接汇总

https://download.csdn.net/download/vivian_ll/10649838 本人上传的资源,含林轩田机器学习基石上下两部分的笔记整理(来自红色石头)、部分讲义整理(不全,来自captainvincent)、课程相关的教材learning form data(林轩田著)电子版

没有更多推荐了,返回首页