转载▼斯坦福大学公开课 ：机器学习课程
本课程共20集
课程介绍
人工智能的发展到已经进入了一个瓶颈期。近年来各个研究方向都没有太大的突破。真正意义上人工智能的实现目前还没有任何曙光。但是，机器学习无疑是最有希望实现这个目标的方向之一。斯坦福大学的“Stanford Engineering Everywhere ”免费提供学校里最受欢迎的工科课程，给全世界的学生和教育工作者。得益于这个项目，我们有机会和全世界站在同一个数量级的知识起跑线上。
| 目录 | |
|---|---|
| [第1集] 机器学习的动机与应用 | |
| [第2集] 监督学习应用.梯度下降 | |
| [第3集] 欠拟合与过拟合的概念 | |
| [第4集] 牛顿方法 | |
| [第5集] 生成学习算法 | |
| [第6集] 朴素贝叶斯算法 | |
| [第7集] 最优间隔分类器问题 | |
| [第8集] 顺序最小优化算法 | |
| [第9集] 经验风险最小化 | |
| [第10集] 特征选择 | |
| [第11集] 贝叶斯统计正则化 | |
| [第12集] K-means算法 | |
| [第13集] 高斯混合模型 | |
| [第14集] 主成分分析法 | |
| [第15集] 奇异值分解 | |
| [第16集] 马尔可夫决策过程 | |
| [第17集] 离散与维数灾难 | |
| [第18集] 线性二次型调节控制 | |
| [第19集] 微分动态规划 | |
| [第20集] 策略搜索 |
学习地址：http://v.163.com/special/opencourse/machinelearning.html