业内最流行机器学习在线课程汇总

简介: 机器学习界最流行的在线课程,技术进阶必备!

在这里,我们汇总了包括15个机器学习课程。课程大多数都是免费的,无需注册就可以自主学习。这些课程包括决策树、朴素贝叶斯、逻辑回归、神经网络和深度学习、贝叶斯学习、支持向量机和核方法、聚类、无监督学习、强化学习和学习理论。

如果你需要回顾机器学习的背景知识,卡内基梅隆大学的杰夫·戈登教授为机器学习做了一个伟大的视频讲座系列数学背景。你可以先学习这个,接着在进行深度的机器学习的学习。

1神经网络与机器学习简介杰弗里E. Hinton,多伦多大学.2014

2机器学习鲁斯兰Salakhutdinov,卡内基梅隆大学,苹果AI研究总监。本课程在多伦多大学教授.2015年。

3机器学习和模式识别Yann LeCun,纽约大学人类发展研究所所长,现就职于Facebook.2010年。

4从数据中学习Yaser S. Abu-Mostafa,加州理工学院.2012

5机器学习基利安·温伯格,康奈尔大学.2017

6机器学习Andrew Ng,斯坦福大学Coursera,课程从20171225日开始。

7机器学习的神经网络杰弗里Hinton,多伦多大学Coursera。他的2014年课程的新版本从20171225日开始。

8机器学习和自适应智能尼尔劳伦斯,谢菲尔德大学亚马逊机器学习总监.2015年。

9介绍神经网络和机器学习罗杰·格罗斯,多伦多大学.2017年。

10信息论,模式识别和神经网络大卫麦凯,剑桥大学。

11机器学习汤姆·米切尔和玛丽亚·弗洛里娜·巴尔坎,卡内基·梅隆大学。2015年。

12机器学习Michael LittmanCharles IsbellPushkar Kolhe,佐治亚理工学院通过Udacity.2017年。

13机器学习简介Sargur Srihari,布法罗大学.2017年。

14机器学习 - 纳米学位Arpan ChakrabortyDavid JoynerLuis SerranoSebastian ThrunVincent VanhouckeKatie MaloneUdacity.2017年。

15教程:机器学习安德鲁·摩尔,卡耐基梅隆大学计算机学院院长。

PS:如果英文不是特别强,欢迎观看阿里云大学出品的机器学习在线课程。

本文由北邮@爱可可-爱生活老师推荐,阿里云云栖社区组织翻译。

文章原标题《15 Machine Learning Online Courses and Tutorials》,

作者: sky  https://sky2learn.com/

译者:虎说八道,审阅:

文章为简译,更为详细的内容,请查看原文

相关文章
|
5月前
|
机器学习/深度学习 供应链 算法
机器学习课程学习随笔
机器学习课程学习随笔
|
2月前
|
机器学习/深度学习 算法 Python
【绝技揭秘】Andrew Ng 机器学习课程第十周:解锁梯度下降的神秘力量,带你飞速征服数据山峰!
【8月更文挑战第16天】Andrew Ng 的机器学习课程是学习该领域的经典资源。第十周聚焦于优化梯度下降算法以提升效率。课程涵盖不同类型的梯度下降(批量、随机及小批量)及其应用场景,介绍如何选择合适的批量大小和学习率调整策略。还介绍了动量法、RMSProp 和 Adam 优化器等高级技巧,这些方法能有效加速收敛并改善模型性能。通过实践案例展示如何使用 Python 和 NumPy 实现小批量梯度下降。
31 1
|
5月前
|
机器学习/深度学习 监控 算法
LabVIEW使用机器学习分类模型探索基于技能课程的学习
LabVIEW使用机器学习分类模型探索基于技能课程的学习
43 1
|
5月前
|
机器学习/深度学习
Coursera 吴恩达Machine Learning(机器学习)课程 |第五周测验答案(仅供参考)
Coursera 吴恩达Machine Learning(机器学习)课程 |第五周测验答案(仅供参考)
|
机器学习/深度学习 存储 算法
python机器学习课程——决策树全网最详解超详细笔记附代码
决策树算法是一种逼近离散函数值的方法。它是一种典型的分类方法,首先对数据进行处理,利用归纳算法生成可读的规则和决策树,然后使用决策对新数据进行分析。本质上决策树是通过一系列规则对数据进行分类的过程。决策树方法最早产生于上世纪60年代,到70年代末。由J Ross Quinlan提出了ID3算法,此算法的目的在于减少树的深度。但是忽略了叶子数目的研究。C4.5算法在ID3算法的基础上进行了改进,对于预测变量的缺值处理、剪枝技术、派生规则等方面作了较大改进,既适合于分类问题,又适合于回归问题。决策树算法构造决策
344 0
|
机器学习/深度学习 分布式计算 关系型数据库
直播预告 | pg4ml 机器学习框架系列课程:实现细节、XOR 模型案例(上)
pg4ml 机器学习框架是基于 PostgreSQL v13 实现的、使用 plpgsql 编写的机器学习框架,本次讲解的实验环境基于PolarDB-PG开源数据库。本次分享主要介绍框架的实现细节,并构建XOR两层网络的模型案例,包括数据集、XOR分类的案例与原理、神经网络节点、训练任务结构与执行等内容。
直播预告 |  pg4ml 机器学习框架系列课程:实现细节、XOR 模型案例(上)
|
机器学习/深度学习 人工智能 自然语言处理
全球名校AI课程库(20)| Stanford斯坦福 · 图机器学习课程『Machine Learning with Graphs』
课程对于graph方向的数据挖掘、机器学习(神经网络)有全面的知识覆盖。如果想学习非结构化的图数据上的各类算法,这是最权威的课程之一。
2305 1
全球名校AI课程库(20)| Stanford斯坦福 · 图机器学习课程『Machine Learning with Graphs』
|
机器学习/深度学习 人工智能 自然语言处理
全球名校AI课程库(13)| CMU卡内基梅隆 · 多模态机器学习课程『Multimodal Machine Learning』
课程以多模态(MMML)为主题,讲解基本概念、多种数据形态联合建模方法,并回顾近期MMML概率模型和计算算法的论文,讨论当前面临的挑战。
2364 1
全球名校AI课程库(13)| CMU卡内基梅隆 · 多模态机器学习课程『Multimodal Machine Learning』
|
机器学习/深度学习 算法 搜索推荐
花了2个晚上,拿到了吴恩达@斯坦福大学的机器学习课程证书
花了2个晚上,拿到了吴恩达@斯坦福大学的机器学习课程证书
花了2个晚上,拿到了吴恩达@斯坦福大学的机器学习课程证书
uiu
|
机器学习/深度学习 算法 数据挖掘
【引言】浙大机器学习课程记录
【引言】浙大机器学习课程记录
uiu
133 0
【引言】浙大机器学习课程记录
下一篇
无影云桌面