最近看到乙個比較好的機器學習課程，大致聽了一遍。整體感覺機器學習領域還是比較難，雖然李巨集毅老師講得還是挺好的，沒有足夠基礎吸收起來還是有一定困難。即便是已經把過程講了一遍，也很難理解到那些理論是如何構建起來的。這個課程乙個好是講到了當前最熱的深度學習，建議按需選擇學習。
其他資料可以到
課程主頁
introduction of this course pdf (2016 /09/23)
hw0 pdf, video (2016 /09/23)
learning map pdf, video (2016 /09/30)
regression: case study pdf,video(2016 /09/30)
hw1 pdf (2016/09/30)
gradient descent pdf,video(2016 /10/07)
where does the error come from? pdf,video(2016/10/07)
classification: probabilistic generative model pdf, video(2016 /10/07)
classification: logistic regression pdf,video (2016/10/14)
hw2 pdf (2016/10/15)
brief introduction of deep learning pdf,video (2016/10/14)
backpropagation pdf,video(2016/10/28)
「hello world」 of deep learning pdf,video(2016/10/28)
convolutional neural network pdf,video(2016/10/28)
hw3 pdf (2016/10/28)
tips for deep learning pdf,video(2016/11/04)
why deep pdf,video(2016/11/04)
semi-supervised learning pdf,video(2016/11/11)
unsupervised learning: linear dimension reduction pdf,video(2016/11/11)
hw4 pdf (2016/11/18)
unsupervised learning: deep auto-encoder pdf,video (2016/11/18)
unsupervised learning: word embedding pdf,video (2016/11/25)
unsupervised learning: neighbor embedding pdf,video (2016/12/02)
unsupervised learning: deep generative model pdf,video (part 1),video(part 2) (2016/12/02)
final rule,project1,project2,project3 (2016/12/02)
transfer learning pdf,video(2016/12/09)
support vector machine (svm) pdf,video(2016/12/09)
structured learning: introduction pdf,video (2016/12/09)
structured learning: linear model pdf,video (2016/12/09)
structured learning: structured svm pdf,video (2016/12/12)
structured learning: sequence labeling pdf,video (2016/12/23)
structured learning: recurrent neural network pdf,video (part 1),video(part 2) (2016/12/30)
ensemble pdf,video(2016/01/06)
deep reinforcement learning: scratching the su***ce pdf,video (2016/01/06)
台灣大學機器學習
第三章 機器學習的不同類別 三個角度 1 二分類，多分類，回歸，struction learning 不常見 2 監督學習，非監督學習，半監督學習 比如人臉識別中，不是每個樣本我們都能知道其類別，增強學習 訓狗，深藍計算機的智慧型下棋 3 batch learning,online learning...
台灣大學林軒田機器學習基石筆記（一）
1.什麼是學習？對人類來說學習就是通過觀察 視覺 聽覺 嗅覺等 掌握某種技能。比如我們從到大認識世界的過程。對於機器學習，我們希望計算機能夠像人類一樣，通過在大量的資料中觀察，發現事物的規律，獲得某種分析與解決問題的能力。所要解決的問題存在一些規律或者模式，可以通過學習提高表現 exists som...
台灣大學林軒田老師機器學習基石 內容簡介
第一周 ml簡介 ml與dm ai statistics的區別 第二週 perceptron線性分類器 第三週 從輸入特徵 輸出空間 label狀況 學習方式四方面對ml進行分類 第四周 pac學習原理 盡量大的訓練集d和有限的假設空間h 第五 七周 shatter and vc dimension...