Skip to content

jianfeifeng/NTU-HsuanTienLin-MachineLearning

 
 

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 

History

60 Commits
 
 
 
 
 
 

Repository files navigation

NTU-HsuanTienLin-MachineLearning

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

    • Logistic Regression

    • 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/1jTZTSk7FygJKomT1ZBvxng 密码:m6e6

机器学习技法: 链接:https://pan.baidu.com/s/1mGJJGF3Fq3B41mlenzOzCQ 密码:2xf2

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

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

最后

如果觉得我的分享对你有用,那么就Star一下吧~同时,也欢迎大家关注我的微信公众号:AI有道(ID: redstonewill)。我会一如既往发布更多更好的文章给大家!一起学习,共同进步!

这里写图片描述

个人主页:

我的网站:红色石头的机器学习之路

我的CSDN:红色石头的专栏

我的知乎:红色石头

我的微博:RedstoneWill的微博

我的微信公众号:AI有道(ID:redstonewill)

About

No description, website, or topics provided.

Resources

Stars

Watchers

Forks

Releases

No releases published

Packages

No packages published