|
这11周的课程由Coursera公司创始人之一的Andrew Ng讲解。Andrew Ng是斯坦福大学的副教授，也是百度的首席科学家。本次课程主要讲解机器学习的应用，它讨论了最好的机器学习技术和基于统计学的模式识别，并教你如何实现相关机器学习算法。 广泛地说，它包括监督和无监督学习，线性和逻辑回归，正则化方法，以及朴素贝叶斯理论。他在课程中使用Octave和MATLAB软件辅助分析。该课程使用了丰富的案例研究和最新实际应用。默认听课的学生已经具备一定的概率，线性代数和计算机科学方面的基础知识。本课程获得用好评如潮。 课程链接：https://www.coursera.org/learn/machine-learning 二、Udacity平台—机器学习介绍
这是优达学城Udacity关于Nanodegree课程的一部分，本课程大约10周，教授使用机器学习技术来提取有用的内涵信息，atv直播，进而处理相关数据集所需掌握的所有知识。Sebastian Thrun和Katie Malone教授希望初学者预先了解基本的统计概念和Python编程语言。 本课程教你从聚类决策树的所有相关知识，从ML算法如Adaboost算法到支持向量机算法（SVMs）。我们也建议你可以先修一些介绍诸如数据处理、数据分析、信息可视化的数据通信、多尺度数据等数据科学入门课程。 课程链接：https://cn.udacity.com/course/intro-to-machine-learning--ud120 三、EdX平台—数据学习课程《机器学习导论》 Yaser S. Abu-Mostafa是来自加州理工学院的电气工程与计算机科学的教授，他将会为你讲授机器学习的基本理论原理、算法和应用。 这门课程将持续10周，每周需要10-20小时的学习时间。另外，他们还有一门5周的课程——面向数据科学与分析的机器学习（ Machine Learning for Data Science andAnalytics）（链接：https://www.edx.org/course/machine-learning-data-science-analytics-columbiax-ds102x-0），在这门课程中初学者能够学到更多算法方面的知识。 课程链接：https://www.edx.org/course/learning-data-introductory-machine-caltechx-cs1156x#! 四、YouTube—统计机器学习 高级机器学习这门视频讲座（发布在YouTube上）的主讲人是Larry Wasserman，atv，他是卡耐基.梅隆大学统计系和机器学习系的教授。 学习这门课程的前提是已经学习过他专门为博士生设计的中间统计和机器学习（10-715）两门课程。如果你没有参加过这两门课程的学习，那么你需要确保你在数学、计算机科学和统计学方面有足够的知识储备。 课程链接：https://www.youtube.com/watch?list=PLTB9VQq8WiaCBK2XrtYn5t9uuPdsNm7YE&v=zcMnu-3wkWo 五、Coursera—《机器学习神经网络》
Coursera提供的这门16周的高级课程由多伦多大学著名的退休教授、曾就职于谷歌山景总部的格里高利欣顿执教。作为深度学习领域的开拓者，YouTube上欣顿的视频课程讲授神经网络在图像分割、人体运动、建模语言、语音与目标识别等方面的应用，要求学生熟悉微积分并有Python编程经验。 课程链接：https://www.youtube.com/watch?list=PLoRl3Ht4JOcdU872GhiYWf6jwrk_SNhz9&v=cbeTc-Urqak 六、Udacity—谷歌的深度学习课程
Udacity提供的这门免费课程“将机器学习带入了新的阶段”。谷歌这门为期三个月的课程并不是为初学者设计的，它介绍的是深度学习、深度神经网络、卷积网络的动机，以及面向文本和序列的深度模型。 课程导师Vincent Vanhoucke 和 Arpan Chakraborty希望参与者能够具有Python和GitHub编程经验，并且了解机器学习、统计学、线性代数和微积分的基本概念。区别其他平台课程，TensorFlow（谷歌内部深度学习图书馆）课程的好处是学生可以自定义学习进度。 课程链接：https://cn.udacity.com/course/deep-learning--ud730 七、Kaggle平台—关于机器学习的R语言教程 DataCamp平台提供这一交互式学习体验，有助于你脱颖而出。此外还提供一个《R入门》的免费课程。 课程链接：https://www.kaggle.com/news 八、EdX在线平台—机器学习原理课程 (责任编辑：本港台直播) |
