MIT机器学习导论-学习资料
MIT机器学习导论课程,内容覆盖机器学习、特征构建、逻辑回归、决策树、随机森林、聚类、感知器、神经网络、卷积神经网络、循环神经网络、状态机、马尔可夫决策过程等

关键词标签: MIT, 机器学习, 特征构建, 逻辑回归, 决策树, 随机森林, 聚类, 感知器, 神经网络, CNN, RNN
6.036; Introduction to Machine Learning; 机器学习导论
🏆 课程学习中心 | 🚧 机器学习课程合辑 | 🌍 课程主页 | 📺 中英字幕视频 | 🚀 项目代码解析
Introduction to Machine Learning
机器学习导论
Massachusetts Institute of Technology
麻省理工学院(MIT)
6.036
⭐⭐⭐⭐⭐


课程介绍

6.036; Introduction to Machine Learning; 机器学习导论

MIT 6.036是全球顶校麻省理工开设的机器学习入门课程,课程系统分版块地讲解了机器学习核心模型算法与解决问题思路。课程内容覆盖:传统机器学习模型(树模型、集成模型、聚类算法、逻辑回归),深度学习典型模型(感知器、神经网络、CNN、RNN),以及强化学习的部分算法。

6.036; Introduction to Machine Learning; 机器学习导论

通过本课程学习,可以全面掌握机器学习基础知识和典型算法,并构建对模型应用的基础能力。

6.036; Introduction to Machine Learning; 机器学习导论

课程讲师 Tamara Broderick,博士毕业于加州大学伯克利分校,现任麻省理工副教授。Tamara Broderick的研究领域为机器学习和统计,具体说就是可靠地量化现代复杂数据分析程序中的不确定性和稳健性。也因此,作者对贝叶斯推理和图形模型特别感兴趣——重点是可扩展、非参数和无监督学习。


课程主题

课程官网发布了课程主题,ShowMeAI 对其进行了翻译。


课程资料 | 下载

6.036; Introduction to Machine Learning; 机器学习导论

扫描上方图片二维码,关注公众号并回复关键字 🎯『6.036』,就可以获取整理完整的资料合辑啦!当然也可以点击 🎯 这里 查看更多课程的资料获取方式!

6.036; Introduction to Machine Learning; 机器学习导论
6.036; Introduction to Machine Learning; 机器学习导论

ShowMeAI 对课程资料进行了梳理,整理成这份完备且清晰的资料包:


课程视频 | B站

🌍 B站 | 【双语字幕+资料下载】MIT 6.036 | 机器学习导论(2020·完整版)

ShowMeAI 将视频上传至B站,并增加了中英双语字幕,以提供更加友好的学习体验。点击页面视频,可以进行预览。推荐前往 👆 B站 观看完整课程视频哦!

视频清单列写在这里,感兴趣就学习起来吧!

课时编号 课时内容
第1讲 基础知识
第2讲 感知器
第3讲 特征
第4讲 逻辑回归(对数几率回归)
第5讲 回归建模
第6讲 神经网络
第7讲 本周休息/Break
第8讲 卷积神经网络
第9讲 状态机与马尔可夫决策过程
第10讲 强化学习
第11讲 循环神经网络
第12讲 决策树与随机森林
第13讲 聚类算法
第14讲 客座讲座(David Sontag)


更多技术与课程清单 | 点击查看详细课程

合辑 课程链接
CS数学基础课程合辑 【ENGR108】Stanford斯坦福 · 线性代数与矩阵方法导论课程
【6.042J】MIT麻省理工 · 计算机科学的数学基础课程
【MATH100】辛辛那提大学 · 微积分Ⅰ课程
【MATH101】辛辛那提大学 · 微积分Ⅱ课程
【MATH1071】辛辛那提大学 · 离散数学课程
计算机基础课程合辑 【14-455】CMU卡内基梅隆 · 数据库系统导论课程
【15-721】CMU卡内基梅隆 · 数据库系统进阶课程
【CS105】Stanford斯坦福 · 计算机科学导论课程
【CS50-CS】Harvard哈佛 · 计算机科学导论课程
【CS50-WEB】Harvard哈佛 · 基于Python / JavaScript的Web编程课程
【6.0001】MIT麻省理工 · 计算机科学与Python编程导论课程
【6.046J】MIT麻省理工 · 数据结构与算法设计课程
【18.S191】MIT麻省理工 · 计算思维导论(Julia)课程
【CMSC420】马里兰大学 · 数据结构课程
机器学习课程合辑 【AndrewNG-ML】吴恩达 · 机器学习专项课程
【CS229】Stanford斯坦福 · 机器学习课程
【6.036】MIT麻省理工 · 机器学习导论课程
深度学习课程合辑 【AndrewNG-DL】吴恩达 · 深度学习专项课程
【CS230】Stanford斯坦福 · 深度学习课程
【CSW182】Berkeley伯克利 · 深度神经网络设计、可视化与理解课程
【FSDL】Berkeley伯克利 · 全栈深度学习训练营课程
【CS50-AI】Harvard哈佛 · Python人工智能入门课程
【6.S191】MIT麻省理工 · 深度学习导论课程
【APPLY-DL】科罗拉多大学 · 应用深度学习(全知识点覆盖)课程
【STAT453】威斯康星 · 深度学习和生成模型导论课程
【T81-558】WUSTL · 深度神经网络应用案例实操课程
【HYLEE】李宏毅 · 机器学习(&深度学习)课程
NLP课程合辑 【CS224n】Stanford斯坦福 · 深度学习与自然语言处理课程
【CS124】Stanford斯坦福 · 从语言到信息课程
【CS520】Stanford斯坦福 · 知识图谱课程
【CS685】马萨诸塞大学 · 自然语言处理进阶课程
计算机视觉课程合辑 【CS231n】Stanford斯坦福 · 深度学习与计算机视觉课程
【EECS498】Michigan密歇根 · 深度学习与计算机视觉(CS231n进阶课)
【ADL4CV】慕尼黑工大 · 计算机视觉深度学习进阶课
强化学习课程合辑 【CS285】Berkeley伯克利 · 深度强化学习课程
【CS234】Stanford斯坦福 · 强化学习课程
AI生物医疗课程合辑 【6.047】MIT麻省理工 · 基因组学机器学习课程
【6.874】MIT麻省理工 · 面向生命科学的深度学习课程
【6.S897】MIT麻省理工 · 医疗机器学习课程
其他名校AI课程合辑 【CS294】Berkeley伯克利 · 深度无监督学习课程
【11-777】CMU卡内基梅隆 · 多模态机器学习课程
【15-462】CMU卡内基梅隆 · 计算机图形学课程
【CS224W】Stanford斯坦福 · 图机器学习课程
【6.S094】MIT麻省理工 · 深度学习与无人驾驶课程
【GDL】AMMI · 几何深度学习课程
6.036; Introduction to Machine Learning; 机器学习导论
*****
本文作者 韩信子
欢迎关注微信公众号 ShowMeAI研究中心 获取更多资源!