斯坦福大学吴恩达Andrew Ng机器学习教程

课程概述
机器学习是一门让计算机在非精确编程下進行活动的科学。在过去十年，机器学习促成了无人驾驶车、高效语音识别、精确网络搜索及人类基因组认知的大力发展。机器学习如此无孔不入，你可能已经在不知情的情况下利用过无数次。许多研究者认为，这种手段是达到人类水平AI的最佳方式。这门课程中，你将学习到高效的机器学习技巧，及学会如何利用它为你服务。重点是，你不仅能学到理论基础，更能知晓如何快速有效应用这些技巧到新的问题上。最后，你会接触到硅谷创新中几个优秀的涉及机器学习与AI的应用实例。
此课程将广泛介绍机器学习、数据挖掘与统计模式识别的知识。
主题包括：
(i) 监督学习（参数/非参数算法、支持向量机、内核、神经网络）。
(ii) 非监督学习（聚类、降维、推荐系统、深度学习）。
(iii) 机器学习的优秀案例（偏差/方差理论；机器学习和人工智能的创新过程）课程将拮取案例研究与应用，学习如何将学习算法应用到智能机器人（观感，控制）、文字理解（网页搜索，防垃圾邮件）、计算机视觉、医学信息学、音频、数据挖掘及其他领域上。
【课程内容】