第一讲 | 机器学习(斯坦福)

Lecture 1 | Machine Learning (Stanford)

频道:Stanford · 时长:1:08:40 · 发布:2008-07-23 · 播放:2680854

在 YouTube 观看

简介

Andrew Ng 的斯坦福 CS229 机器学习课程的第一讲,概述了课程内容。介绍了监督学习和无监督学习、学习理论和强化学习。

HN 为什么推荐

推荐作为严谨、数学密集的原始课程,比 Coursera 版本更深入,用于学习机器学习。

我建议回到原始的 youtube[1] 和课程材料[2]。 — HN, 2014

机器学习与深度学习 · 大学讲座与课程

中文字幕节选

本讲座由斯坦福专业发展中心提供 好的,早上好,欢迎来到CS229机器学习课程,那么 今天我想做的是先花较长时间讲一下这门课的 后勤安排,然后我们会开始稍微谈谈机器学习。作为 介绍,我叫Andrew,我将是这门课的讲师,那么我 个人从事机器学习工作,到现在已经大约15年了,而且 我实际上认为机器学习是计算机科学中 最令人兴奋的领域,所以我其实一直都很期待教这门课 嗯,有时我实际上认为机器学习不仅是计算机科学中 最令人兴奋的事情,而且是人类所有事业中最令人兴奋的事情,所以 这里可能有点偏见。嗯,我还想介绍一下助教们,他们都是研究生 从事机器学习或相关研究,都是机器学习 方面的专家。嗯,Paul Bombstar 嗯从事机器学习和计算机 视觉研究。嗯,Katie Chang 实际上是一位神经科学家,她应用机器学习 算法来试图理解人脑。嗯,Tom Do 是另一位博士生,从事 计算生物学以及机器学习基础原理的研究。嗯, Ziko Cter 是首席助教。嗯,他是助教,他已经连续两年了,从事机器 学习研究,并将其应用于一堆机器人。Daniel Ramage 嗯,因为 不在这里,Daniel 将学习算法应用于自然语言 处理中的问题。嗯,所以你们会在本课程中更好地了解助教们和我,但仅 从你们知道的助教们所做的那类事情来看,我希望你们已经能看出机器学习 是一个高度跨学科的嗯主题,仅从助教们 就将学习算法应用于计算机视觉、生物学、机器人和 语言中的问题这一点就能看出。嗯,机器学习是那些已经并且 正在对许多应用产生巨大影响的事物之一。所以嗯,仅在我自己的日常工作中,我 实际上经常最终会和像直升机飞行员、生物学家、 计算机系统和数据库领域的人、经济学家交谈,而且还有你知道的 来自工业界源源不断的人来到斯坦福,对 应用机器学习问题感兴趣,对将机器学习方法 应用于他们自己的问题感兴趣。所以嗯,是的,这很有趣。几周前,一个学生 实际上转发给我一篇《计算机世界》上的文章,关于12项IT技能, 雇主无法拒绝,所以大约是关于你知道的12项 所有IT和信息技术中最令人向往的技能。嗯,位居 榜首的实际上是机器学习,所以我认为现在是学习 这些东西的好时机,而且学习算法正在对科学和工业的许多领域 产生巨大影响。嗯,我实际上对某事很好奇。嗯,学习算法 是触及科学和工业许多领域的事物之一。我 实际上有点好奇这里有多少人是计算机科学专业或 计算机科学方向的。好的,大约一半。有多少人来自电子工程?哦,好的, 大概五分之一。嗯,这里有多少生物学家?哇,只有几个,不多。 我很惊讶。嗯,有来自统计学的吗?好的,几个。那么其余的人 来自哪里?再说一遍?ICME。 酷。土木与环境工程,还有什么?SSUS、CL、系统?是的,酷。 KY,酷。航空航天?是的,对,是的,好的,酷。还有 其他人吗?MS?什么?MSN?好的,酷,是的,所以还有

HN 上的讨论

我建议回到原始的YouTube[1]和课程材料[2]。Coursera版本只不过是原始课程的一个含糊其辞、稀释的“感觉良好”版本。我也非常喜欢加州理工学院的“从数据中学习”[3] [1] [VIDEO] [2] [LINK] [3] [LINK] — 11001, 2014-01
机器学习:* [VIDEO]:吴恩达的机器学习课程,大多数人推荐的入门选择 * [LINK]:更侧重于 Kaggle,但也更现代,并且有有趣的项目。同时学习这两门课程,做好笔记,编写有用的抽认卡,最重要的是完成所有练习和项目。深度学习 * [LINK] - 非常注重实践,从“Practical Deep Learning for Coders”开始,然后是“Advanced Deep Learning for coders” * [LINK]:更自下而上的方法,有助于更好地理解理论。并行学习这两门课程(一开始可以尝试先上 2 周 Coursera,再上 1 周 fastai,然后交替进行),做笔记,编写好的抽认卡,最重要的是完成练习和项目。之后你就完成了入门阶段,下一步将取决于你最感兴趣的领域,而现在获取太多资源可能会非常令人困惑,所以我建议在你完成上述资源后再发一个后续帖子。另外,作为… — joaogui1, 2020-01
YouTube上有一些关于机器学习的讲座。我觉得它们值得一看:[LINK] 和 [VIDEO],我最喜欢的频道是斯坦福和MIT开放课程 [LINK] 和 [LINK] — weishigoname, 2016-10
观看Ng在第57分钟讨论“鸡尾酒会”问题并提出了一个惊人的解决方案:[VIDEO] — valgaze, 2014-11
不,它仍然在YouTube和斯坦福工程无处不在网站上。Coursera版本的课程更加入门,并且跳过了完整斯坦福版本的很大一部分。[VIDEO] [LINK] — bglazer, 2013-11

相关视频