林轩田机器学习资源汇总

!课程介绍 台湾大学林轩田老师曾在coursera上开设了两门机器学习经典课程:《机器学习基石》和《机器学习技法》。《机器学习基石》课程由浅入深、内容全面,基本涵盖了机器学习领域的很多方面。其作为机器学习的入门和进阶资料非常适合。《机器学习技法》课程主要介绍了机器学习领域经典的一些算法,包括支持向量机、决策树、随机森林、神经网络等等。林老师的教学风格也很幽默风趣,总让读者在轻松愉快的氛围中掌握知识。在此,把这两门课的所有视频、笔记、书籍等详细资料分享给大家。 

首先附上这两门课的主页:  

Hsuan-Tien Lin 机器学习基石

课程视频在B站上可以直接观看哦~这里附上传送门:

机器学习基石(林轩田)

机器学习技法(林轩田

课程内容 

《机器学习基石》 这门课主要涉及机器学习关键问题的四个方面: 

* When Can Machine Learn? 

* Why Can Machine Learn? 

* How Can Machine Learn? 

* How Can Machine Learn Better?

其中每个方面包含4节课,总共有16节课。具体所有课程内容如下: 

* When Can Machine Learn? 

* The Learning Problem 

* Learning to Answer Yes/No 

* Types of Learning 

* Feasibility of Learning

* Why Can Machine Learn? 

* Training versus Testing 

* Theory of Generalization 

* The VC Dimension 

* Noise and Error 

* How Can Machine Learn? 

* Linear Regression 

* Logistic Regression 

* Logistic Regression 

* Nonlinear Transformation 

* How Can Machine Learn Better? 

* Hazard of Overfitting 

* Regularization 

* Validation 

* Three Learning Principles

《机器学习技法》 这门课主要涉及机器学习经典算法的三个方面:

* Embedding Numerous Features: Kernel Models 

* Combining Predictive Features: Aggregation Models 

* Distilling Implicit Features: Extraction Models

总共有16节课。具体所有课程内容如下: 

* Embedding Numerous Features: Kernel Models 

* Linear Support Vector Machine 

* Dual Support Vector Machine 

* Kernel Support Vector Machine 

* Soft-Margin Support Vector Machine 

* Kernel Logistic Regression

* Support Vector Regression 

* Combining Predictive Features: Aggregation Models 

* Blending and Bagging 

* Adaptive Boosting 

* Decision Tree 

* Random Forest 

* Gradient Boosted Decision Tree 

* Distilling Implicit Features: Extraction Models 

* Neural Network 

* Deep Learning 

* Radial Basis Function Network 

* Matrix Factorization 

* Finale

评论留言
    暂无评论
发表评论