精心整理 | 林轩田机器学习资源汇总

简介: 精心整理 | 林轩田机器学习资源汇总

image.png

课程介绍


《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,笔者将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:


https://www.csie.ntu.edu.tw/~htlin/


课程视频在B站上可以直接观看哦~这里附上传送门:


https://www.bilibili.com/video/av12463015/


https://www.bilibili.com/video/av12469267/


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:


  • Kernel Models
  • Aggregation Models
  • Extraction Models


总共有16节课。具体所有课程内容如下:


  • 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

  • Aggregation Models

       Blending and Bagging

       Adaptive Boosting

       Decision Tree

       Random Forest

       Gradient Boosted Decision Tree

  • Extraction Models

       Neural Network

       Deep Learning

       Radial Basis Function Network

       Matrix Factorization

       Finale


资源汇总


红色石头在学习这门课的过程中整理了各种课程资源,包括视频、笔记、书籍等。具体如下:


课程视频


两门课所有的教学视频都存放在百度云盘上,方便转存、下载。包括视频对应的教学ppt(pdf形式)。

image.png

课程笔记


这是笔者最用心整理也是花的时间最多的,所有精炼笔记都已发布在公众号里。读者可以边看视频边看我的笔记,希望能提供微薄之力。但是,为了便于大家线下阅读,特此将笔记整理为pdf文件,可供打印。所有精炼笔记的pdf文件都放在百度云盘上。


image.png

image.png


课程书籍


林轩田机器学习基石这门课有一个配套教材:《Learning From Data》,林轩田也是编者之一。这本书的主页为:


http://amlbook.com/


豆瓣上关于这本书的评分高达9.4,还是很不错的,值得推荐!可以配套视频一起学习。

image.png


获取资源


红色石头已经为大家整理了「基石」和「技法」所有的视频、笔记、书籍等资源。云盘地址为:


基石」:

链接:

https://pan.baidu.com/s/13GjUE9b9TMT0UfMINncRoA 

密码:30p0

技法」:

链接:

https://pan.baidu.com/s/1WWbEjBWZ6PG7-NtzScCNig 

密码:nh16


相关文章
|
5月前
|
机器学习/深度学习 开发工具 云计算
Azure - 机器学习:创建机器学习所需资源,配置工作区
Azure - 机器学习:创建机器学习所需资源,配置工作区
39 0
|
6月前
|
机器学习/深度学习 数据可视化 数据挖掘
资源分享 | 从加减乘除到机器学习
资源分享 | 从加减乘除到机器学习
58 0
|
机器学习/深度学习 算法
掌握机器学习算法的三重门,附资源推荐!
掌握机器学习算法的三重门,附资源推荐!
掌握机器学习算法的三重门,附资源推荐!
|
机器学习/深度学习 人工智能 运维
学习资源 | 推荐一份Github热门机器学习项目
在机器学习的过程中,我们会去不同的平台寻找一些学习资源,对于很多人来说,GitHub是一个非常好用的开源项目托管社区。GitHub上的确有很多热门受欢迎的开源项目,但是我个人认为大多数项目比较浅显,而且形式类似,且内容过于繁多,当学习时却无从下手,或者无法理解这些算法背后的原理。近期GitHub开源了一个热门开源项目,在一段时间学习之后发现的确非常不错,在这里推荐给大家。
学习资源 | 推荐一份Github热门机器学习项目
|
机器学习/深度学习 人工智能 自然语言处理
资源!机器学习平台优质资源集合
机器学习平台在人工智能的开发过程中扮演者非常重要的作用,所以,这些年来,也出现了很多不同的机器学习平台,侧重传统方法的scipy、sklearn,侧重深度学习的caffe、theno、pytorch、tensorflow、mxnet,还有高度集成的gluon、keras,都在人工智能工作中扮演者重要的角色,今天我就推荐一些这两年表现比较突出的三个机器学习平台的相关学习资源,分别是tensorflow、pytorch、mxnet。 备注:我已经把tensorflow、pytorch、mxnet官方文档PDF版和epub版放进共享链接,有需要的可以关注微信公众号回复doc获取。
资源!机器学习平台优质资源集合
|
机器学习/深度学习 自然语言处理 算法
一个网站拿下机器学习优质资源!搜索效率提高 50%
一个网站拿下机器学习优质资源!搜索效率提高 50%
136 0
一个网站拿下机器学习优质资源!搜索效率提高 50%
|
机器学习/深度学习
重磅!66 个机器学习硬核资源,请务必收藏!
重磅!66 个机器学习硬核资源,请务必收藏!
260 0
重磅!66 个机器学习硬核资源,请务必收藏!
|
机器学习/深度学习 算法 数据挖掘
干货 | 林轩田机器学习「基石+技法」历史文章汇总
干货 | 林轩田机器学习「基石+技法」历史文章汇总
137 0
|
机器学习/深度学习
假期福利 | 林轩田《机器学习基石》资源汇总
假期福利 | 林轩田《机器学习基石》资源汇总
160 0
假期福利 | 林轩田《机器学习基石》资源汇总
|
机器学习/深度学习 安全 数据挖掘
台湾大学林轩田机器学习基石课程学习笔记12 -- Nonlinear Transformation
上一节课,我们介绍了分类问题的三种线性模型,可以用来解决binary classification和multiclass classification问题。本节课主要介绍非线性的模型来解决分类问题。
101 0
台湾大学林轩田机器学习基石课程学习笔记12 -- Nonlinear Transformation

热门文章

最新文章