首页>图谱>好学业>机器学习


机器学习


这门课看起来就很吊的样子......

不过也看起来就很难的样子......

盒子君到底是学还是不学呢,to be or not to be ,this is a question.


-  -百科释义-  -


机器学习(Machine Learning, ML)是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构使之不断改善自身的性能。

它是人工智能的核心,是使计算机具有智能的根本途径,其应用遍及人工智能的各个领域,它主要使用归纳、综合而不是演绎......>>



-  -课程相关-  -


贝尔实验室:机器学习



机器学习是研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构使之不断改善自身的性能。

内容包括:绪论、监督学习、森林道路、用无监督学习方法来调研图像、分簇聚类方法、聚类、非参数方法、多元化与参数分析、机器学习、多层感应器。

课程总共46讲,每讲20分钟左右。

点击这里访问课程

(统计机器学习部分)点击这里访问课程


加州理工学院:从数据中学习



这是机器学习(ML)的入门课程,涉及基础理论、算法和应用。机器学习是大数据的关键技术,并在金融、医药、商务和科学方面有诸多应用。它帮助计算系统根据数据中所提取的信息自动学习如何执行所需任务。

内容通过18个讲座完成,每个讲座约60分钟。该课程已结束/存档。

点击这里访问课程



-  -书籍-  -


Tom Mitchell :《机器学习》



本书展示了机器学习中核心的算法和理论,并阐明了算法的运行过程。本书综合了许多的研究成果,例如统计学、人工智能、哲学、信息论、生物学、认知科学、计算复杂性和控制论等,并以此来理解问题的背景、算法和其中的隐含假定。

点击这里查看书评


Ethen Alpaydin :《机器学习》



《机器学习导论》对机器学习的定义和应用实例进行了介绍,涵盖了监督学习。贝叶斯决策理论。参数方法、多元方法、维度归约、聚类、非参数方法、决策树。线性判别式、多层感知器,局部模型、隐马尔可夫模型。分类算法评估和比较,组合多学习器以及增强学习等。机器学习的目标是对计算机编程,以便使用样本数据或以往的经验来解决给定的问题。

点击这里查看书评




顺便说:如果有同学找不到学习资源的请在下面留言或直接私信盒子君哦O(∩_∩)O

特别声明:盒子君有着很强的版权洁癖,以上文字均为盒子君原创,可以转载,但务请注明盒子君大名及本站名号!

               所用图片均来自网络,如涉版权问题,额这~这个~盒子君做不了主,contact my boss