• 使用快捷键Ctrl+D收藏本站,下次访问更方便哟!
  • 最近百度网盘删资源太厉害,补链补到没脾气....

林轩田:机器学习基石视频教程

精品教程 精品教程 0个评论

机器学习旨在让电脑能由资料中累积的经验来自我进步。本课程将介绍各领域中的机器学习使用者都应该知道的基础演算法、理论及实务工具。

课程概述

欢迎大家!这门课将采用英文投影片配合华文的教学讲解,我们希望能藉这次华文教学的机会,将机器学习介绍给更多华人世界的入门者。课程中使用的英文投影片不会使用到艰深的英文,如果你能了解以下两段的课程简介,你应该也可以了解课程所使用的英文投影片。

授课大纲

以下的每个小项目对应到约一小时的线上课程

When Can Machines Learn? [何时可以使用机器学习]

— The Learning Problem [机器学习问题]

— Learning to Answer Yes/No [二元分类]

— Types of Learning [各式机器学习问题]

— Feasibility of Learning [机器学习的可行性]

Why Can Machines Learn? [为什麽机器可以学习]

— Training versus Testing [训练与测试]

— Theory of Generalization [举一反三的一般化理论]

— The VC Dimension [VC 维度]

— Noise and Error [杂讯时错误]

How Can Machines Learn? [机器可以怎麽样学习]

— Linear Regression [线性回归]

— Linear `Soft” Classification [软性的线性分类]

— Linear Classification beyond Yes/No [二元分类以外的分类问题]

— Nonlinear Transformation [非线性转换]

How Can Machines Learn Better? [机器可以怎麽样学得更好]

— Hazard of Overfitting [过度训练的危险]

— Preventing Overfitting I: Regularization [避免过度训练一:控制调适]

— Preventing Overfitting II: Validation [避免过度训练二:自我检测]

— Three Learning Principles [三个机器学习的重要原则]

先修知识

我们希望修课的同学对於基本的微分、向量与矩阵运算、及机率的工具有所了解。有些作业会需要写作或执行一些程式,所以我们建议修课的同学能在你所熟悉的平台上有一些程式写作的背景。

参考资料

虽然这门课的录影课程及投影片应该足以帮大家了解所有的内容,我们推荐有兴趣的同学们阅读 Learning from Data 一书,该书包含了本课程中所介绍的大部份的内容。

授课形式

这门课主要以线上录影课程及其中的小测验组成,每两周我们会有另外的作业练习。

常见问题

我在完成课程後,是否能得到「修业合格证明」?

是的,当同学成功地达成课程的基本要求後,即可收到由授课老师签署的「修业合格证明」。

修习此课需要哪些设备/资源?

在有些作业的问题中,你需要在某些计算平台上执行程式,而你可以使用任何你所爱的程式语言。如果你正确的撰写演算法,在一般的个人电脑上,每次作业所需的「机器时间」应该不到一天。所以你不需要超快的运算资源。

我在此课程可以有什麽收获?

对机器学习基础有坚固的了解!

下载地址



  1. 电影下载方法:打开百度网盘->离线下载->新建BT任务->从本地导入BT种子文件->秒传百度网盘即可在线播放或下载。
  2. 文件比较大的时候,建议使用下载工具进行下载,浏览器下载有时候会自动中断,导致下载错误。
  3. 资源可能会由于内容问题被和谐,导致下载链接不可用,遇到此问题,请到文章页面进行反馈,我们会及时进行更新。
  4. 本站的所有资源和软件均来自于网友共享的百度网盘,请下载后自行用杀毒软件检测是否有病毒木马。如提示有问题,请来信向我们反馈。

声明:

本站所有下载资源都收集于网络,只做学习和交流使用,版权归原作者所有。请在下载后24小时之内删除,若作商业用途,请支持购买正版,由于未及时购买和付费发生的侵权行为,与本站无关。本站发布的内容若侵犯到您的权益,请联系本站删除,我们将及时处理!

打赏

子午书简 丨所有电子书均来自网络!如涉及版权问题,请发送邮件到[email protected],站长会第一时间移除,谢谢
本文链接:林轩田:机器学习基石视频教程
发表我的评论
取消评论

表情 贴图 加粗 删除线 居中 斜体 签到

Hi,您需要填写昵称和邮箱!

  • 昵称 (必填)
  • 邮箱 (必填)
  • 网址