麻省理工-机器学习导论

课程描述    由国立台湾大学李宏毅老师主讲的纯中文版，2021年机器学习（深度学习）开课了，课程相关的部分资源已经release出来了，今年课程新增了很多新的前沿的内容，分享给大家。    bkhq：李宏毅最新-《深度学习/机器学习课程2021》课程视频及ppt免费分享课程大纲课程主页https://sp......

课程描述这门课是关于什么的？复杂的数据可以表示为对象之间的关系图。这种网络是社会、技术和生物系统建模的基本工具。本课程着重于大量图形分析的计算、算法和建模挑战。通过研究底层的图结构及其特征，学生们学习机器学习技术和数据挖掘工具，这些工具能够揭示各种网络的底层知识。主......

本书介绍    春季学期教的课上对其进一步完善。本书的目标是为最广泛使用的学习架构呈现学习理论的新旧成果。本书面向以理论为导向的学生，以及希望获得对机器学习和相关领域中使用的算法的基本数学理解的学生，包括计算机视觉、自然语言处理等领域的学生。本书将主要讲解第一性原......

课程描述    机器学习在现实应用中可以形式化为经典的统计问题，例如模式识别、回归或降维，但需要注意的是数据通常不是数字的向量。例如，计算生物学中的蛋白质序列和结构，网络挖掘中的文本和XML文档，图像处理中的分割图片，或者语音识别和金融中的时间序列，都具有特定的结构，这些结构包......

本书介绍    统计领域不断受到科学和工业带来的问题的挑战。在早期，这些问题往往来自农业和工业试验，范围相对较小。随着计算机和信息时代的到来，统计问题在规模和复杂性上都发生了爆炸。数据存储、组织和搜索领域的挑战导致了“数据挖掘”的新领域；生物学和医学中的统计和计算问题......

本资源收录了机器学习课程用到的相关术语，涉及机器学习基础、机器学习理论、AppliedMath、SVM、Ensemble、DNN、Regularization、MatrixFactorization、Optimization、CNN、AutoEncoder、RNN、Representation、NetworkEmbedding、GAN、AdversarialLearning、OnlineLearni......

本书介绍    本入门级统计教科书主要讲解发展和培养统计思维所需的基本概念和工具。它提供了描述性，归纳性和探索性的统计方法，并指导读者完成定量数据分析的过程。在实验科学和跨学科研究中，数据分析已成为任何科学研究的组成部分。诸如判断数据的可信度，分析数据，评估所获得结果的......

本书介绍    在处理机器学习问题时，通常有两种类型的数据(和机器学习模型)    监督数据:总是有一个或多个目标与之相关联。    无监督数据:没有任何目标变量。    有监督的问题比无监督的问题更容易解决。要求预测一个值的问题被称为监督问题。例如，如果问题是预测给......

课程内容介绍   网络是建模复杂的社会，技术和生物系统的基本工具。结合在线社交网络的出现和生物科学中大规模数据的可用性，本课程着重分析大型网络，这些大型网络提出了一些计算，算法和建模方面的挑战。通过学习他们的底层网络结构和连接关系，向学生介绍了机器学习技术和数据挖掘工......

    万普尼克（Vapnik）建立的一套机器学习理论，使用统计的方法，因此有别于归纳学习等其它机器学习方法。由这套理论所引出的支持向量机对机器学习的理论界以及各个应用领域都有极大的贡献，一般情况下弗拉基米尔-万普尼克理论是香农实验室奠基资料和自身的数学背景。     目前理......