台湾大学林轩田老师机器学习技法：内容简介

Each of the following items correspond to approximately one hour of video lecture.[以下的每個小項目對應到約一小時的線上課程]

Embedding Numerous Features [嵌入大量的特徵]
-- Linear Support Vector Machine [線性支持向量機]
-- Dual Support Vector Machine [對偶支持向量機]
-- Kernel Support Vector Machine [核型支持向量機]
-- Soft-Margin Support Vector Machine [軟式支持向量機]
-- Kernel Logistic Regression [核型羅吉斯迴歸]
-- Support Vector Regression [支持向量迴歸]

Combining Predictive Features [融合預測性的特徵]
-- Bootstrap Aggregation [自助聚合法]
-- Adaptive Boosting [漸次提昇法]
-- Decision Tree [決策樹]
-- Random Forest [隨機森林]
-- Gradient Boosted Decision Tree [梯度提昇決策樹]

Distilling Hidden Features [萃取隱藏的特徵]
-- Neural Network [類神經網路]
-- Deep Learning [深度學習]
-- Radial Basis Function Network [逕向基函數網路] 
-- Matrix Factorization [矩陣分解]

Summary [總結]