林轩田《机器学习基石》 简介

台大林轩田机器学习课程精华
本文分享了台湾大学林轩田教授在Coursera上的两门经典机器学习课程资源,《机器学习基石》与《机器学习技法》。课程涵盖从理论到实践的广泛主题,包括机器学习的基础概念、关键算法如支持向量机、决策树、神经网络等,以及如何避免过拟合和提高学习效果的方法。

转:https://blog.youkuaiyun.com/red_stone1/article/details/80517672


课程介绍

台湾大学林轩田老师曾在coursera上开设了两门机器学习经典课程:《机器学习基石》和《机器学习技法》。《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:

Hsuan-Tien Lin 机器学习基石

课程视频在B站上可以直接观看哦~这里附上传送门:

机器学习基石(林轩田)

机器学习技法(林轩田)
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:

    Embedding Numerous Features: Kernel Models

    Combining Predictive Features: Aggregation Models

    Distilling Implicit Features: Extraction Models

总共有16节课。具体所有课程内容如下:

    Embedding Numerous Features: 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

    Combining Predictive Features: Aggregation Models

        Blending and Bagging

        Adaptive Boosting

        Decision Tree

        Random Forest

        Gradient Boosted Decision Tree

    Distilling Implicit Features: Extraction Models

        Neural Network

        Deep Learning

        Radial Basis Function Network

        Matrix Factorization

        Finale


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:

Learning From Data

这里写图片描述

 

笔记 github 地址:

https://github.com/RedstoneWill/NTU-HsuanTienLin-MachineLearning

转载于:https://www.cnblogs.com/maxiaodoubao/p/9909328.html

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值