哈佛大学免费机器学习课程，包含四个主题：机器学习基础知识、算法、推荐系统、交叉验证和正则化

哈佛大学免费机器学习课程，包含四个主题：机器学习基础知识、算法、推荐系统、交叉验证和正则化也许最流行的数据科学方法论来自于机器学习。机器学习与其他计算机引导的决策过程的不同之处在于，它利用数据建立预测算法。一些使用机器学习的最流行的产品包括邮政服务实施的手写阅读器、语音识别、电影推荐系统和垃圾邮件检测器。在本课程中，作为数据科学专业证书课程的一部分，你将通过建立一个电影推荐系统来学习流行的机器学习算法，主成分分析，和正则化；学习训练数据，以及如何使用一组数据来发现潜在的预测关系。当你建立电影推荐系统时，你将学习如何使用训练数据训练算法，以便你能预测未来数据集的结果。你还将学习过度训练和避免它的技术，如交叉验证。所有这些技能都是机器学习的基础。#机器学习

瑞士日内瓦大学 François Fleuret 的深度学习课程 | 课程地址 | #机器学习

瑞士日内瓦大学FrançoisFleuret的深度学习课程#机器学习本课程全面介绍深度学习，并提供PyTorch框架中的示例：machinelearningobjectivesandmainchallenges,tensoroperations,automaticdifferentiation,gradientdescent,deep-learningspecifictechniques,generative,recurrent,attentionmodels.课程包含14x050的幻灯片、录音和虚拟机。