内容简介：有一份这份PPT来自伯克利
栗子 发自 凹非寺
量子位 报道 | 公众号 QbitAI
有一份 机器学习PPT ，在Reddit论坛获得了墙裂欢迎，一日之间揽下 400分 。
这份PPT来自伯克利 CS 189/289 课程，从线性代数复习，到线性回归、随机森林、Boosting……各种方法与其中的知识要点全面覆盖，简洁明晰。
在这些词条里，任选一个 往下划 ，都会发现许多宝藏。
比如，下面就是高斯判别分析 ( GDA ) 。里面讲到了生成模型，模型里的假设，以及不同方法之间的对比。
前往课程主页，就可以把课件与 各种配套资料 搭配食用；伯克利还把课件的源码放上了 GitHub 。
那么，一起来观赏一下这份入门佳品。
“给你指了条明路”
作为一门友好的基础课，当然要从零开始。
Introduction章节，先介绍了各式各样的机器学习任务： 回归 、 分类 、 密度估计 、 降维 ......
又介绍了 监督、半监督、无监督、强化学习 ，这些不同的学习方式。
然后，一张美好的地图在眼前展开，这是用scikit-learn玩转各种任务的路线图。
△ 回归、分类、聚类、降维
从原点出发，按图索骥，就能到达希望的终点。
比如 分类任务 上，可能用到 支持向量机 (SVM) 。
这时候，翻一下支持向量机的词条：
它会告诉你，逻辑回归解决不了问题，支持向量机或许可以。
原理，用法，以及通常拿来做怎样的任务，都在这里了。
再比如， 决策树/随机森林 ，也是 分类方法 。
方法背后的理论，用到的split函数，贪心算法等等，这里都会娓娓道来。
如果感觉PPT的介绍太简约，还可以搭配 168页课程笔记 食用。
笔记一共有 23章 ，课件上的每个词条，几乎都能找到相应的章节。比如，最后一个词条 Boosting ，就对应笔记里的第24章。
打开这个章节，任意翻到一页：
文字详尽，人类易懂，插图优雅。
从权重初始化开始， Adaboost 的每一步都有介绍。
另外，为什么要用 Boosted Tree ，也是条分缕析：一是快，二是不用搜索超参数，三是偏差方差权衡容易做……
这样一来，刚入坑的你，也可以愉快地学习了。
去吧，皮卡丘
除了PPT和笔记之外，课程主页上还有作业和考卷，可以用来检测你的学习成果。
那么，现在就开始学习吧。
PPT传送门：
https://csinva.github.io/pres/189/#/
CS 189/289课程笔记：
https://people.eecs.berkeley.edu/~jrs/papers/machlearn.pdf
CS 189/289课程主页：
https://people.eecs.berkeley.edu/~jrs/189/
GitHub传送门：
https://github.com/csinva/csinva.github.io/blob/master/_notes/ref/ml_slides/slides.md
— 完 —
小程序|get更多AI学习干货
加入社群
量子位AI社群开始招募啦，量子位社群分：AI讨论群、AI+行业群、AI技术群；
欢迎对AI感兴趣的同学，在量子位公众号（QbitAI）对话界面回复关键字“微信群”，获取入群方式。（技术群与AI+行业群需经过审核，审核较严，敬请谅解）
量子位 QbitAI · 头条号签约作者
վ'ᴗ' ի 追踪AI技术和产品新动态
喜欢就点「在看」吧 !
以上就是本文的全部内容，希望本文的内容对大家的学习或者工作能带来一定的帮助，也希望大家多多支持 码农网
猜你喜欢:
本站部分资源来源于网络，本站转载出于传递更多信息之目的，版权归原作者或者来源机构所有，如转载稿涉及版权问题，请联系我们。
C++数值算法（第二版)
William T.Vetterling、Brian P.Flannery、Saul A.Teukolsky / 胡健伟、赵志勇、薛运华 / 电子工业出版社 / 2005年01月 / 68.00
本书选材内容丰富，除了通常数值方法课程的内容外，还包含当代科学计算大量用到的专题，如求特殊函数值、随机数、排序、最优化、快速傅里叶变换、谱分析、小波变换、统计描述和数据建模、常微分方程和偏微分方程数值解、若干编码算法和任意精度的计算等。 本书科学性和实用性统一。每个专题中，不仅对每种算法给出了数学分析和比较，而且根据作者的经验对算法做出了评论和建议，并在此基础上给出了用C++语言编写的实用程......一起来看看 《C++数值算法（第二版)》 这本书的介绍吧!
