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
|
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
79 0
|
6月前
|
机器学习/深度学习 SQL 存储
机器学习PAI常见问题之资源不足如何解决
PAI(平台为智能,Platform for Artificial Intelligence)是阿里云提供的一个全面的人工智能开发平台,旨在为开发者提供机器学习、深度学习等人工智能技术的模型训练、优化和部署服务。以下是PAI平台使用中的一些常见问题及其答案汇总,帮助用户解决在使用过程中遇到的问题。
|
3月前
|
机器学习/深度学习 人工智能 前端开发
【机器学习】FlyFlowerSong【人工智能】资源指南
FlyFlowerSong是一个创新的音乐合成与处理项目,它利用先进的机器学习算法,为用户提供了一个简单而有趣的音乐创作平台。作为人工智能领域的技术自媒体创作者,我整理了关于FlyFlowerSong的完整教程、论文复现指南以及demo项目源代码,旨在帮助开发者、音乐爱好者以及AI研究者深入探索这一领域。
35 1
|
4月前
|
机器学习/深度学习 人工智能 运维
人工智能平台PAI使用问题之一直显示"正在等待在云端的gateway资源",该如何处理
阿里云人工智能平台PAI是一个功能强大、易于使用的AI开发平台,旨在降低AI开发门槛,加速创新,助力企业和开发者高效构建、部署和管理人工智能应用。其中包含了一系列相互协同的产品与服务,共同构成一个完整的人工智能开发与应用生态系统。以下是对PAI产品使用合集的概述,涵盖数据处理、模型开发、训练加速、模型部署及管理等多个环节。
|
4月前
|
机器学习/深度学习 人工智能 分布式计算
人工智能平台PAI使用问题之部署时是否可以自定义资源的区域
阿里云人工智能平台PAI是一个功能强大、易于使用的AI开发平台,旨在降低AI开发门槛,加速创新,助力企业和开发者高效构建、部署和管理人工智能应用。其中包含了一系列相互协同的产品与服务,共同构成一个完整的人工智能开发与应用生态系统。以下是对PAI产品使用合集的概述,涵盖数据处理、模型开发、训练加速、模型部署及管理等多个环节。
|
5月前
|
机器学习/深度学习 算法 TensorFlow
算法金 | 只需十四步:从零开始掌握Python机器学习(附资源)
```markdown ## 摘要 全网同名「算法金」的作者分享了一篇针对Python机器学习入门的教程。教程旨在帮助零基础学习者掌握Python和机器学习,利用免费资源成为实践者。内容分为基础篇和进阶篇,覆盖Python基础、机器学习概念、数据预处理、科学计算库(如NumPy、Pandas和Matplotlib)以及深度学习(TensorFlow、Keras)。此外,还包括进阶算法如SVM、随机森林和神经网络。教程还强调了实践和理解最新趋势的重要性。
73 0
算法金 | 只需十四步:从零开始掌握Python机器学习(附资源)
|
5月前
|
机器学习/深度学习 分布式计算 监控
在大数据模型训练中,关键步骤包括数据收集与清洗、特征工程、数据划分;准备分布式计算资源
【6月更文挑战第28天】在大数据模型训练中,关键步骤包括数据收集与清洗、特征工程、数据划分;准备分布式计算资源,选择并配置模型如深度学习架构;通过初始化、训练、验证进行模型优化;监控性能并管理资源;最后保存模型并部署为服务。过程中要兼顾数据隐私、安全及法规遵守,利用先进技术提升效率。
95 0
|
5月前
|
机器学习/深度学习 数据采集 人工智能
【机器学习】CLIP模型在有限计算资源下的性能探究:从数据、架构到训练策略
【机器学习】CLIP模型在有限计算资源下的性能探究:从数据、架构到训练策略
336 0
|
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
150 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!

热门文章

最新文章