斯坦福大学机器学习第一课“引言(Introduction)”



 

之前有同学对于如何流畅的观看国外的公开课(特别是coursera, udacity)提出了疑问,我的建议是对于Coursera,能注册就注册,注册后就可以直接下载视频了。不过如果课程万一错过了注册怎么办?对于coursera,一个是preview直接观看在线视频,另外一个就是等了,看看国内有没有好心同学做下载种子或者上传到国内的视频网站。

Coursera上斯坦福大学的机器学习公开课由Andrew Ng教授授课,应该是目前为止最好的机器学习入门课程了:面向初级用户,对数学的要求不高,讲解的浅显易懂。这门课程的视频已经由好心同学@小马哥07DM 上传到Youku了,以下是这门课程的第一课引言的视频,另外可以参考我爱公开课上的相关笔记:Coursera公开课笔记: 斯坦福大学机器学习第一课“引言(Introduction)”, 也欢迎大家在这里探讨相关问题。

Cousera斯坦福机器学习公开课网址:https://class.coursera.org/ml

第一课“引言”的PPT课件资料:  PPT    PDF
 

01.1-Introduction-Welcome: 

字幕:text   srt 

  

01.2-Introduction-WhatIs Machine Learning

字幕:text   srt


 

01.3-Introduction-Supervised Learning

字幕:text   srt


 

01.4-Introduction-Unsupervised Learning

字幕:text   srt


  • 转自
     http://52opencourse.com
时间: 2012年 7月 4日 分类: 机器学习 作者:  52nlp (2,630 基本) 
编辑 2012年 7月 4日 作者: 52nlp

转载于:https://www.cnblogs.com/renly/archive/2013/01/04/2844863.html

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
斯坦福大学机器学习的数学基础.pdf》是一本由斯坦福大学开发的机器学习教材。本书将数学基础与机器学习算法相结合,旨在向读者介绍机器学习所需的数学知识。 该书首先介绍了线性代数的基础知识。线性代数是机器学习中常用的工具,被广泛应用于数据处理和模型训练中。本书从向量、矩阵和线性变换等基本概念开始,逐步讲解了线性方程组、行列式、特征值与特征向量等重要内容,为读者提供了深入理解线性代数的基础。 接着,本书介绍了概率论和统计学的相关知识。概率论是机器学习的核心概念之一,它用于描述和解释不确定性。统计学是机器学习中的重要工具,利用统计方法对数据进行分析和建模。本书讲解了概率论的基本概念、条件概率和贝叶斯定理等内容,同时介绍了统计学中的假设检验、参数估计和回归分析等方法。 最后,本书还介绍了线性回归、逻辑回归、支持向量机等常用的机器学习算法。这些算法建立在数学基础之上,通过数学模型实现对数据的学习和预测。本书通过具体的案例分析和实践操作,让读者理解这些算法的原理和实际应用。 总之,《斯坦福大学机器学习的数学基础.pdf》是一本系统而全面的机器学习教材,涵盖了机器学习所需的数学基础知识。读者通过学习本书,将能够理解和应用机器学习算法,从而在实际问题中进行数据分析和模型构建。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值