机器学习理论与实战

前面的近20篇博文已经牵扯到很多机器学习算法咯，已经吊足了胃口，决定从后面开始正式系统的学习机器学习理论，并尝试进入实战阶段，涵盖：

加州理工(caltech)的 Yaser Abu-Mostafa教授的机器学习，偏重于传统统计理论

斯坦福大学（Staford U)的Andrew Ng教授的机器学习，偏重于实用，直观理解

多伦多大学（Tronto U）的Geoffery Hinton教授的高级神经网络，偏重于神经网络和深度学习

斯坦福大学（Staford U)的Daphne Koller教授的概率图模型，偏重于推理和结构化学习

上面的作为理论指导，以《机器学习实战》（machine learning in action)作为主线，机器学习实战更适合码农，因此这个实用性不言而喻。