机器学习资料整理

机器学习目前比较热，网上也散落着很多相关的公开课和学习资源，这里基于课程图谱的机器学习公开课标签做一个汇总整理，便于大家参考对比。

1、Coursera上斯坦福大学Andrew Ng教授的“机器学习公开课”：

机器学习入门课程首选，斯坦福大学教授，Coursera联合创始人Andrew Ng老师的课程，课程图谱上多达400多人关注，20余条课程评论，绝大多数同学认为这门课程比较适合入门，以下选择其中几位同学的课程评论：

@ototsuyume 同学评价：非常好的一门入门课程。很多人诟病作业的代码给得太全，但我认为作为一门入门课程，编程作业设置得十分好，各种机器学习的作用能很直观地展示出来，这样很能激发学习兴趣。试想一下，假如不给你任何框架代码让你从头开始写，写完后得出的结果是一堆用来提交的无味的数据，对于一名初学者来说，这多么打击积极性。
这门课程极其简化了各种数学的证明，类似svm跟pca中间的求解过程都讲得很简略。要求的数学基础是低得不能再低了，所以即使是毕业几年后概率矩阵忘得差不多的人都能看懂。除去初学者之外，这门课程也很适合工作中需要用到一些机器学习但不打算深入研究的程序员。

@极度视界 同学评价：这个必然 5 星，很棒的入门课程；Ng老湿把编程作业设计到极为简单，而数据集并不单调，垃圾邮件分类/手写体分类等。学此课的同学，应该尝试丢掉Ng老湿给的框架，自己写一套算法，才好。这课我得了100%。

最后再推荐 @小小人_V 同学这门课程的学习笔记: http://vdisk.weibo.com/s/J4rRX/1373287206

2、Coursera上台大林軒田老师的“機器學習基石 (Machine Learning Foundations)公开课”：

课程正在进行中，目前感觉很不错，林老师年轻有为，也是机器学习畅销书《Learning from Data》的作者之一，课程的难度应该比上面Andrew Ng老师机器学习公开课的高一些，不过比较重要的是这门课程用中文讲解，比较适合国人：

@尘绳聋 同学评价：看老师给出的课程大纲，基本还是照着Caltech/Edx LFD的节奏走。之前跟过LFD，这次就当复习了。当然也有一些新的东西，譬如PLA的收敛证明和收敛需要的次数上界，Lecture3对learning types的介绍也很详细，原来reinforcement learning还可以用在ad system上面，看来要把Ng CS229后面的那一大块有关reinforcement learning的内容啃一下了。另外，老师讲得非常好，从video和slide也能看出很用心。

@飞林沙 同学评价： 刚听完前两讲，讲的真的非常棒！从最基本的PLA讲起，虽然很简单，但是跟着自己动手写写代码，做做数学公式，就当休息了，很棒。

林老师推出的这门课程的姊妹篇“機器學習技法 (Machine Learning Techniques)” 已于2014.12.23开课，值得关注。

3、edX上加州理工学院的“Learning From Data”

和上面台大机器学习课程渊源很深，内容基本上出自加州理工的这本同名教材《Learning From Data》，林老师也曾在该校读博，这门课程的授课老师也是他的导师Abu Mostafa教授。

4、Coursera上多伦多大学Geoffrey Hinton大神的“Neural Networks for Machine Learning”公开课

这门课程主要关注神经网络以及它们在机器学习中的应用，在目前火热烫手的Deep Learning概念衬托下，这门课程简直就是必修课，不过遗憾的是这门课程只在12年10月份开过一轮，目前为止还没有开课的意思，不过好在我们还有网盘资源的备份，具体信息在“公开课可下载资源汇总”中自行查找：

@yongsun：还有什么好说的呢？Deep Learning必修课程啊！

@godenlove007：宗派大师+开拓者直接讲课，秒杀一切二流子！

@wzyer：巨牛级别的人物来开课，我也不说啥了。

5、Coursera上华盛顿大学Pedro Domingos教授的“机器学习公开课”

Coursera上一门还没有正式开始过的机器学习课程，老师是机器学习的大牛Pedro Domingos，他写过的“"A Few Useful Things to Know about Machine Learning”广为流传，这门课虽然没有正式开始，但是通过preview的链接可以看课程的所有视频。@wzyer 大神的评价：个人觉得这门课比Andrew那个更深入些，老师讲的也不错。不过这个似乎就没有正式开过，我都enroll半年多了……

6、网易公开课收录的“斯坦福大学公开课 ：机器学习课程”

这是老一代的公开课，老师仍然是Andrew Ng教授，不过视频来自于斯坦福大学的课堂录制视频，课程难度要高一些，可以作为Ng老师Coursera上“机器学习公开课”的进阶课程，好处是有翻译字幕，比较方便国内同学的学习。

7、网易公开课收录的“加州理工学院公开课：机器学习与数据挖掘”

其实就是edX上“Learning From Data”的原版课程，授课老师依然是Abu Mostafa教授，edX上老师在论坛上和同学互动，而网易公开课上有翻译。

8、超星学术上来自于贝尔实验室的“机器学习”课程：

来自于超星学术上的课程，具体情况不太清楚。

9、最后推荐的是国内龙星计划机器学习课程资源：

1）2012龙星计划机器学习课程的视频及课件

来自微博上@SunnyerEric孙晗晓 同学的信息 ： 龙星计划机器学习课程的视频：http://t.cn/zlA2ZHb

网盘地址：http://pan.baidu.com/share/link?shareid=27613&uk=1513052211

关于龙星计划的课件，大家也可以在如下地方找到：

2012年龙星计划-机器学习课件

2）2013龙星计划深度学习(Deep Learning)课程视频

@龙星计划
龙星计划天津站 邓力老师的讲课视频 http://t.cn/zQixW12

@戴玮_CASIA
天津大学深度学习龙星计划课程视频：http://t.cn/zQixW12

网盘地址：http://pan.baidu.com/share/link?shareid=3220401770&uk=723014463