读书笔记——机器学习

Andrew Ng在Coursera开设的Machine Learning

国立台湾大学林轩田老师的机器学习基石与机器学习技法

其实C站里我最喜欢的是stanford的Machine Learning，可以说让我爱上了ML，这门课花的时间最多，粗略的算了下接近300小时的样子，太喜欢了ML了，之后又选了台大的machine learning foundation，本会以为有之前stanford-mL课的基础，会轻松点的。结果，Lin再一次给我震惊了，MLF以其优雅严谨的数学证明，揭开 了ML的面纱，笔记都快写满一本了，密密麻麻的全是公式。不同于andrew Ng的ML课，Lin的MLF侧重理论，因此刚开始很不习惯，因为大学里基本没老师能用一节课时间去推导公式定理，以上两门机器学习课程，算是让我入了 门，要知道没学这之前，我连matlab都不会。

edx还有门learning from data

周志华老师的新书《机器学习》

线性代数、微积分、概率论、矩阵分析、统计学习了，进阶部分还有凸优化、泛函分析、随机过程、测度论等等。

矩阵分析、数值优化、测度论、统计学习理论、概率图模型、大规模数值计算、强化学习、凸分析、泛函分析etc.

这里推荐几本书：elements of statistic learning、convex optimaztion 、矩阵分析、Approximation Theory

ML是基于数据的，因此分布式的计算平台是很实用的，edx上有两门高质量的相关课程： Big data analysis with spark 、scalable machine learning 

转载于:https://www.cnblogs.com/janekim/p/10358592.html