机器学习全球公开课-Machine Learning

标签: 科研 Andrew Ng Machine Learning 公开课 机器学习 | 发表时间:2011-08-20 22:00 | 作者:丕子 Sosi
出处:http://www.zhizhihu.com

很久之前关于机器学习Machine Learning的公开课咱们就都开始看了,也都知道了,本科的时候就看过,是从itunes上下载的视频,当然是斯坦福的Professor Andrew Ng 讲的,不过看不懂,也听不大懂,哎,惭愧。

现在还好多了,拿来看看理解下,不过我还是基本没看过这个视频。

现在也有带有字幕的了,像是网易公开课的,中英文字幕很给力啊,都三集了,不过这里的视频当然不知道是否是合法的,但是不管怎么样,肯定给学习的人有了很大的启蒙和帮助。

http://www.ml-class.org/img/banner.jpg

今天正式注册了斯坦福的机器学习全球公开课:http://www.ml-class.org/。找到了正统的思想。以及26,386 people have signed up!

A bold experiment in distributed education, “Machine Learning” will be offered free and online to students worldwide during the fall of 2011. Students will have access to lecture videos, lecture notes, receive regular feedback on progress, and receive answers to questions. When you successfully complete the class, you will also receive a statement of accomplishment. Taught by Professor Andrew Ng, the curriculum draws from Stanford’s popular Machine Learning course. A syllabus and more information is available here. Sign up below to receive additional information about participating in the online version when it becomes available.

About The Class课程介绍-youtube上的

What You Will Learn学习内容

The online class runs from October 10 through December 16, 2011. The curriculum draws from Stanford’s popular introductory-level class on Machine Learning. During the class, the instructor will be available for online discussions.

是说课程从今年的十月份开始到十二月份。大家有时间的好好学习哈。

 

 

您可能也喜欢:

Pattern Recognition and Machine Learning

经典回顾–谈谈机器学习(Machine Learning)大家

一些machine learning的网站总结

The Spider:一个“面向对象”的机器学习Matlab工具箱

迁移学习(Transfer Learning)TL
无觅

相关文章

相关 [机器学习 全球 machine] 推荐:

机器学习全球公开课-Machine Learning

- Sosi - 丕子
很久之前关于机器学习Machine Learning的公开课咱们就都开始看了,也都知道了,本科的时候就看过,是从itunes上下载的视频,当然是斯坦福的Professor Andrew Ng 讲的,不过看不懂,也听不大懂,哎,惭愧. 现在还好多了,拿来看看理解下,不过我还是基本没看过这个视频. 现在也有带有字幕的了,像是网易公开课的,中英文字幕很给力啊,都三集了,不过这里的视频当然不知道是否是合法的,但是不管怎么样,肯定给学习的人有了很大的启蒙和帮助.

转载的一些machine learning的网站总结

- knighter - 增强视觉 | 计算机视觉 增强现实
转载自demonstrate 的 blog. 这里搜集了一些常见的和 machine learning 相关的网站,按照 topic 来分. http://www.gaussianprocess.org 包括相关的书籍(有 Carl Edward Rasmussen 的书),相关的程序以及分类的 paper 列表.

山寨 Time Machine 的精美 doodle 相册网页应用

- zhipeng - 谷奥——探寻谷歌的奥秘
感谢 Fan zeyi 的爆料. 这是朱一同学看到@zjcqoo同学制作的Doodle fans贺卡网页应用后,动手制作的又一doodle展示网页应用,山寨了Mac OS X系统里的Time Machine界面,效果非常出色,似乎仅支持Chrome和Safari浏览. © musiXboy 发表于 谷奥——探寻谷歌的奥秘 ( http://www.guao.hk ), 2011.

Oryx 2: Lambda architecture on Apache Spark, Apache Kafka for real-time large scale machine learning

- -

机器学习五步走

- - 我爱机器学习
经常会有人问“我该如何在机器学习方面更进一步,我不知道我接下来要学什么了. 一般我都会给出继续钻研教科书的答案. 每当这时候我都会收到一种大惑不解的表情. 但是进步确实就是持续的练习,保持较强的求知欲,并尽你可能的完成具有挑战性的工作. 因为他是为数不多的几种可以让你真真让你获取坚实知识的媒介. 是的,你可以选择选一门课,注册MOOC,参加一些讨论班.

机器学习之路

- - 我爱机器学习
自从答应简二毛博士将自己的机器学习历程和心得分享给大家至今,转眼间半年已经过去了,感谢简博士分享和开源精神的鼓舞,这也正是本系列关于机器学习介绍博客的动力来源. 之前有些网友,师弟们问我,学习机器学习怎么入手,从看什么书开始. 如果你只愿意看一本书,那么推荐Bishop的PRML,全名Pattern Recognition and Machine Learning. 这本书是机器学习的圣经之作,尤其对于贝叶斯方法,介绍非常完善.

机器学习算法Boosting

- - 标点符
机器学习通常会被分为2大类:监督学习和非监督学习. 在监督学习中,训练数据由输入和期望的输出组成,然后对非训练数据进行预测输出,也就是找出输入x与输出y之间的函数关系F:y = F(x). 根据输出的精确特性又可以分为分类和回归. 分类和回归的区别在于输出变量的类型. 定量输出称为回归,或者说是连续变量预测.

【笔记】第四章:从线性回归到逻辑回归-Mastering Machine Learning With scikit-learn

- -
(这章起换用Markdown). 《Mastering Machine Learning With scikit-learn》是一本非常实用的机器学习实战书籍,它使用通俗易懂的语言和适度的理论知识来帮助python开发者使用scikit-learn机器学习工具包实现机器学习相关算法的应用. 早些时候我拜读了这本书,记了些笔记和重要的知识点,今天重新温习了遍,仍有收获,顺便张贴到博客上,一起学习交流.

Mahout实现的机器学习算法

- - ITeye博客
使用命令:mahout -h.   在Mahout实现的机器学习算法见下表:. EM聚类(期望最大化聚类). 并行FP Growth算法. 并行化了Watchmaker框架. 非Map-Reduce算法. 扩展了java的Collections类. Mahout最大的优点就是基于hadoop实现,把很多以前运行于单机上的算法,转化为了MapReduce模式,这样大大提升了算法可处理的数据量和处理性能.

国内的机器学习几个人

- - 丕子
转: http://blog.csdn.net/playoffs/article/details/7588597. 推荐几个机器学习和数据挖掘领域相关的中国大牛:. 李航:http://research.microsoft.com/en-us/people/hangli/,是MSRA Web Search and Mining Group高级研究员和主管,主要研究领域是信息检索,自然语言处理和统计学习.