机器学习导读

机器学习是一门研究在非特定编程条件下让计算机采取行动的学科。最近二十年，机器学习为我们带来了自动驾驶汽车、实用的语音识别、高效的网络搜索，让我们对人类基因的解读能力大大提高。当今机器学习技术已经非常普遍，您很可能在毫无察觉情况下每天使用几十次。许多研究者还认为机器学习是人工智能（AI）取得进展的最有效途径。在本课程中，您将学习最高效的机器学习技术，了解如何使用这些技术，并自己动手实践这些技术。更重要的是，您将不仅将学习理论知识，还将学习如何实践，如何快速使用强大的技术来解决新问题。

最后，您将了解在硅谷企业如何在机器学习和AI领域进行创新。

本课程将广泛介绍机器学习、数据挖掘和统计模式识别。相关主题包括：

　(i) 监督式学习（参数和非参数算法、支持向量机、核函数和神经网络）

　(ii) 无监督学习（集群、降维、推荐系统和深度学习）

　(iii) 机器学习实例（偏见/方差理论；机器学习和AI领域的创新）。

课程将引用很多案例和应用，您还需要学习如何在不同领域应用学习算法，例如智能机器人（感知和控制）、文本理解（网络搜索和垃圾邮件过滤）、计算机视觉、医学信息学、音频、数据库挖掘等领域。

三张图读懂机器学习：基本概念、五大流派与九种常见算法

经验之谈：如何为你的机器学习问题选择合适的算法

机器学习算法集锦：从贝叶斯到深度学习及各自优缺点

一文读懂机器学习、数据科学、深度学习和统计学之间的区别

深度学习与神经网络核心技术全局概览