【斯坦福大学-吴恩达-机器学习】

Author：kevinelstri

DateTime：2017/3/14

---

本课程提供了一个广泛的介绍机器学习、数据挖掘、统计模式识别的课程，主题包括：

• 1、监督学习（参数/非参数算法，支持向量机，核函数，神经网络）。
• 2、无监督学习（聚类，降维，推荐系统，深入学习推荐）。
• 3、在机器学习的最佳实践（偏差/方差理论；在机器学习和人工智能创新过程）。

本课程还将使用大量的案例研究，您还将学习如何运用学习算法构建智能机器人（感知，控制）,文本的理解（ Web 搜索，反垃圾邮件），计算机视觉，医疗信息，音频，数据挖掘，和其他领域。

• 1.Introduction
• 2.Linear Regression with One Variable
• 3.Linear Algebra Review
• 4.Linear Regression with Multiple Variables
• 5.Octave Tutorial
• 6.Logistic Regression
• 7.Regularization
• 8.Neural Networks
• 9.Neural Networks:Learning
• 10.Advice for Applying Machine Learning
• 11.Machine Learning System Design
• 12.Support Vector Machine
• 13.Clustering
• 14.Dimensionality Reduction
• 15.Anomaly Detection
• 16.Recommender Systems
• 17.Large Scale Machine Learning
• 18.Application Example:Photo OCR
• 19.Conclusion

持续更新。。。

欢迎关注微信公众号：数据分析科学
墨竹专栏，为CSDN博客而生，您有任何问题，欢迎进行探讨！