机器学习(Machine Learning)与深度学习(Deep Learning)资料 之 视频教程

摘选自：https://github.com/ty4z2008/Qix/blob/master/dl.md

           https://github.com/ty4z2008/Qix/blob/master/dl2.md

本来是看到了这个链接：https://blog.csdn.net/zhongwen7710/article/details/45331915

结果发现它有很多重复项，大约是2/3 是重复的。它的内容来自：http://ask.julyedu.com/article/58 ，http://ask.julyedu.com/article/59，http://ask.julyedu.com/article/60       而这3个链接的内容之间本来就有重复，这三个链接的内容来自2个github 链接        https://github.com/ty4z2008/Qix/blob/master/dl.md ， https://github.com/ty4z2008/Qix/blob/master/dl2.md

下文删掉了一些重复的链接和部分访问不了的链接。

·        《UFLDL-斯坦福大学AndrewNg教授“Deep Learning”教程》

介绍:本教程将阐述无监督特征学习和深度学习的主要观点。通过学习，你也将实现多个功能学习/深度学习算法，能看到它们为你工作，并学习如何应用/适应这些想法到新问题上。本教程假定机器学习的基本知识（特别是熟悉的监督学习，逻辑回归，梯度下降的想法），如果你不熟悉这些想法，我们建议你去这里机器学习课程，并先完成第II，III，IV章（到逻辑回归）。此外这关于这套教程的源代码在github上面已经有python版本了 UFLDL Tutorial Code

·        斯坦福《自然语言处理》课程视频

介绍:ACL候任主席、斯坦福大学计算机系Chris Manning教授的《自然语言处理》课程所有视频已经可以在斯坦福公开课网站上观看了（如Chrome不行，可用IE观看） 作业与测验也可以下载。

·        《UFLDL Tutorial》

介绍:这是斯坦福大学做的一免费课程（很勉强），这个可以给你在深度学习的路上给你一个学习的思路。里面提到了一些基本的算法。而且告诉你如何去应用到实际环境中。中文版

·        《线性代数》

介绍：《线性代数》是《机器学习》的重要数学先导课程。其实《线代》这门课讲得浅显易懂特别不容易，如果一上来就讲逆序数及罗列行列式性质，很容易让学生失去学习的兴趣。我个人推荐的最佳《线性代数》课程是麻省理工Gilbert Strang教授的课程。 课程主页

·        《machine learningfor smart dummies》

介绍:雅虎邀请了一名来自本古里安大学的访问学者，制作了一套关于机器学习的系列视频课程。本课程共分为7期，详细讲解了有关SVM, boosting, nearest neighbors,decision trees 等常规机器学习算法的理论基础知识。

·        《UnderactuatedRobotics》

介绍:MIT的Underactuated Robotics于 2014年10月1日开课，该课属于MIT研究生级别的课程，对机器人和非线性动力系统感兴趣的朋友不妨可以挑战一下这门课程！

·        《吴立德《概率主题模型&数据科学基础》》

介绍：现任复旦大学首席教授、计算机软件博士生导师。计算机科学研究所副所长.内部课程

·        《R机器学习实践》

介绍：该课程是网易公开课的收费课程，不贵，超级便宜。主要适合于对利用R语言进行机器学习，数据挖掘感兴趣的人。

·        《Undergraduate machine learning at UBC》

介绍：机器学习课程，加拿大UBC大学2012年的机器学习课程，视频可能访问不了，有相关pdf

·        《统计机器学习》

介绍：统计学习是关于计算机基于数据构建的概率统计模型并运用模型对数据进行预测和分析的一门科学，统计学习也成为统计机器学习。课程来自上海交通大学

·        《机器学习导论》

介绍：机器学习的目标是对计算机编程，以便使用样本数据或以往的经验来解决给定的问题。课程来自上海交大。好像已经不能用了。。。

·        《Legal Analytics –Introduction to the Course》

介绍:课程《法律分析》介绍幻灯片。用机器学习解决法律相关分析和预测问题，相关的法律应用包括预测编码、早期案例评估、案件整体情况的预测，定价和工作人员预测，司法行为预测等。法律领域大家可能都比较陌生，不妨了解下。

·        《机器学习公开课汇总》

介绍: 机器学习公开课汇总,虽然里面的有些课程已经归档过了，但是还有个别的信息没有。感谢课程图谱的小编

·        《Advanced Optimization and Randomized Methods》

介绍: CMU的优化与随机方法课程，由A. Smola和S. Sra主讲，优化理论是机器学习的基石，值得深入学习 国内云(视频)

·        《Statistical Machine Learning》

介绍:卡耐基梅隆Ryan Tibshirani和Larry Wasserman开设的机器学习课程，先修课程为机器学习(10-715)和中级统计学(36-705)，聚焦统计理论和方法在机器学习领域应用

·        《Introduction toMachine Learning》

介绍:15年春季学期CMU的机器学习课程，由AlexSmola主讲，提供讲义及授课视频，很不错.国内镜像.

·        《IPython lecture notes for OCW MIT 18.06》

介绍:麻省理工GilbertStrang线性代数课程笔记,GilbertStrang《LinearAlgebra》课程主页视频+讲义.

·         《CS224d:Deep Learning forNatural Language Processing》

介绍:斯坦福大学深度学习与自然语言处理课程,部分课程笔记词向量、引言

·        《CS224W: Social andInformation Network Analysis Autumn 2014》

介绍:Stanford社交网络与信息网络分析课程资料+课设+数据.

• 《CS224U: Natural Language Understanding》

介绍:斯坦福的自然语言理解课程.

• 斯坦福CS224n深度学习NLP课程(2017)

这个里面的设计报告堪比国内博士论文，笔记：Coursenotes for CS224N Winter17

• 《RL Course by David Silver》

介绍:DavidSilver(DeeMind)的强化学习课程,slide.

• 《Nvidia Deep Learning Courses》

介绍:Nvidia深度学习课程.

• 《Deep Learning Summer School 2015》

介绍:2015年深度学习暑期课程，推荐讲师主页.

• 《Machine Learning and Probabilistic Graphical Models Course》

介绍:Buffalo大学教授Sargur Srihari的“机器学习和概率图模型”的视频课程

• 《(系统/算法/机器学习/深度学习/图模型/优化/...)在线视频课程列表》

介绍:(系统/算法/机器学习/深度学习/图模型/优化/...)在线视频课程列表.

• 《Information Processing and Learning》

介绍:CMU的信息论课程.

• 《Top 20 Data Science MOOCs》

介绍:重点推荐的20个数据科学相关课程.

• 《Computational modelling courses》

介绍:计算建模/计算神经学课程汇总.

• 《徐亦达机器学习课程 Variational Inference》

介绍:徐亦达机器学习课程 Variational Inference. 在youtobe上。

• 《Video resources for machine learning》

介绍:机器学习视频集锦

• 《Neural networks class - Université de Sherbrooke》

介绍:超棒的神经网络课程，深入浅出介绍深度学习，由Hugo Larochelle（Yoshua Bengio的博士生，Geoffrey Hinton之前的博士后）主讲，强烈推荐.

• 《CS231n: Convolutional Neural Networks for Visual Recognition》

介绍:斯坦福新课程,面向视觉识别的卷积神经网络(Fei-Fei Li & Andrej Karpathy),slides+video,homework.

• 《Deep Learning - Taking machine learning to the next level》

介绍:[Google]基于TensorFlow的深度学习/机器学习课程.

• 《CSE 705: Deep Learning (Spring 2015)》

介绍:纽约州立大学布法罗分校2015年春季机器学习课程主页.

• 《Oxford Deep Learning》

介绍:Nando de Freitas在 Oxford 开设的深度学习课程,课程youtube地址,Google DeepMind的研究科学家,此外首页:computervisiontalks的内容也很丰富,如果你是做机器视觉方面的研究,推荐也看看其他内容.肯定收获也不小.还有,这位youtube主页顶过的视频也很有份量

• 《ELEN 6886 Sparse Representation and High-Dimensional Geometry》

介绍:推荐哥伦比亚大学课程，稀疏表示和高维几何.12年由Elsevier、13年至今由PAMI(仍由Elsevier赞助)设立的青年研究者奖(Young Researcher Award)授予完成博士学位后七年内取得杰出贡献的；由CV社区提名，在CVPR会议上宣布。2015年得主是哥大助理教授John Wright，09年《健壮人脸识别的稀疏表示法》引用已超5K.

• 《Deep Learning: Course by Yann LeCun at Collège de France 2016(Slides in English)》

介绍:Yann LeCun 2016深度学习课程的幻灯片（DeepLearning Course by Yann LeCun at Collège de France 2016）百度云密码: cwsm 原地址

• 《6.S094: Deep Learning for Self-Driving Cars》

介绍:麻省理工学院（MIT）开设课程.S094：自主驾驶汽车的深度学习

• 《NTUEE ML 2017》

介绍:台大李宏毅中文机器学习课程(2017)，他的机器学习课程很适合初学者。李宏毅教授的主页

• 《Theories of Deep Learning (STATS 385)》

介绍:2017年斯坦福课程：深度学习理论

• 《CMU CS 11-747, Fall 2017 Neural Networks for NLP》

介绍:CMU神经网络自然语言处理课程

• 《Oxford Deep NLP 2017 course》

介绍:牛津大学2017年深度自然语言处理课程视频与slides

• 《International Conference on Computer Vision (ICCV) 2015, Santiago》

介绍:ICCV15视频集

• 《Machine Learning Course 180’》

介绍:一个讲机器学习的Youtube视频教程。160集。系统程度跟书可比拟。

• 《Kaggle R Tutorial on Machine Learing》

介绍:基于Kaggle's Titanic Competition的交互式R机器学习教程,介绍《Interactive RTutorial: Machine Learning for the Titanic Competition》.

• 《机器学习视频库》

介绍：视频由加州理工学院（Caltech）出品。需要英语底子。

• 《Tutorials Session A - Deep Learning for Computer Vision》

介绍:传送理由：RobFergus的用深度学习做计算机视觉的NIPS2013教程。有mp4, mp3, pdf各种下载 他是纽约大学教授，目前也在Facebook工作，他2014年的8篇论文

• 《An Introduction to Recommendation Engines》

介绍:Coursera上的推荐系统导论（Introduction to Recommender Systems）公开课.

• 《Computer Vision - CSE 559A, Spring 2015》

介绍:华盛顿大学的机器视觉(2015),参考资料Computer Vision: Algorithms andApplications.

• 《Neural networks with Theano and Lasagne》

介绍:(PyData2015)基于Theano/Lasagne的CNN/RNN教程,github.

• 《神经网络与深度学习讲义》

介绍:复旦大学邱锡鹏老师编写的神经网络与深度学习讲义,ppt.

• 《Neural Networks for Machine Learning》

介绍:GeoffreyHinton在Coursera开设的MOOC

• 《文本与数据挖掘视频汇总》

介绍：Videolectures上最受欢迎的25个文本与数据挖掘视频汇总

• 《Adam Szeidl》

介绍: social networks course

• 《Deep Learning for Natural Language Processing (without Magic)》

介绍:视频+讲义:深度学习用于自然语言处理教程(NAACL13).

• 《Intro to machine learning with scikit-learn》

介绍:DataSchool的机器学习基本概念教学.

• 《Must-watch videos about Python》

介绍:“必看”的Python视频集锦.

• 《Information Theory, Pattern Recognition, and Neural Networks》

介绍:Book,video.

• 《LSA 311: Computational Lexical Semantics - Summer 2015》

介绍:Stanford新课"计算词汇语义学"

• 《Computational Linguistics and Deep Learning》

介绍:computationallinguistics and deep learning视频,推荐Deep Learning: AnIntroduction from the NLP Perspective

• 《Introduction to Probability - The Science of Uncertainty》

介绍:(edX)不确定性的科学——概率论导论(MITx).

• 《Learn All About Apache Spark (100x Faster than Hadoop MapReduce)》

介绍:Spark视频集锦

• 《Deep Reinforcement Learning》

介绍:DavidSilver的深度强化学习教程.