云計算說到底最核心的還是數(shù)據(jù)分析和機(jī)器學(xué)習(xí)
這哥們講得很好，其個人水平很高，講解得也很清楚，Coursera難得的中文授課課程，看錄屏就不用花幾個月去上課
看不懂《機(jī)器學(xué)習(xí)技法》的同學(xué) 先看這個課程
授課大綱
以下的每個小項目對應(yīng)到約一小時的線上課程
When Can Machines Learn? [何時可以使用機(jī)器學(xué)習(xí)]
— The Learning Problem [機(jī)器學(xué)習(xí)問題]
— Learning to Answer Yes/No [二元分類]
— Types of Learning [各式機(jī)器學(xué)習(xí)問題]
— Feasibility of Learning [機(jī)器學(xué)習(xí)的可行性]
Why Can Machines Learn? [為什麼機(jī)器可以學(xué)習(xí)]
— Training versus Testing [訓(xùn)練與測試]
— Theory of Generalization [舉一反三的一般化理論]
— The VC Dimension [VC 維度]
— Noise and Error [雜訊時錯誤]
How Can Machines Learn? [機(jī)器可以怎麼樣學(xué)習(xí)]
— Linear Regression [線性迴歸]
— Linear `Soft\” Classification [軟性的線性分類]
— Linear Classification beyond Yes/No [二元分類以外的分類問題]
— Nonlinear Transformation [非線性轉(zhuǎn)換]
How Can Machines Learn Better? [機(jī)器可以怎麼樣學(xué)得更好]
— Hazard of Overfitting [過度訓(xùn)練的危險]
— Preventing Overfitting I: Regularization [避免過度訓(xùn)練一：控制調(diào)適]
— Preventing Overfitting II: Validation [避免過度訓(xùn)練二：自我檢測]
— Three Learning Principles [三個機(jī)器學(xué)習(xí)的重要原則]
