机器学习的有用入门级资源

Question

我正在寻找有关机器学习的一些入门级帖子。任何人都可以为这个主题的新人提出任何建议吗？

Answer 1

通过'帖子'我会假设你指的是任何在线资源。

我推荐两组资源：

首先，找到机器学习博客，其中博主的首选语言与您的相同。根据我的经验，在阅读作者的博客文章提供的源代码的同时阅读关于单个主题（例如，SVM）的博客文章是关于程序员学习ML的最佳方式。博客Smell the Data（Python）和Igvita（Ruby）是一些很好的例子。两者都包含（至少）几个帖子，每个帖子都描述了教程式的特定ML技术，其中包括他们（已发布）源代码的详细演练。尤其是Igvita，在支持向量机，决策树，奇异值分解和集合方法上使用Ruby代码提供了很好的教程 - 就像我提到的另一个博客一样，是一个高级本科课程可以仅根据博客中的ML帖子来教授。

其次，我强烈推荐VideoLectures.net。

这是迄今为止最好的来源 - 无论是免费的还是付费的 - 我找到了非常高的质量（包括视频质量和w / r / t演示内容） < em>关于机器学习的视频讲座和教程 。这些视频讲座的目标受众范围从初学者（一些讲座被特别标记为“教程”）到专家;他们中的大多数似乎都处于中间位置。

所有的讲座和辅导都是向经验丰富的专业人士和学者讲授的，在很多情况下，讲师是他/她讲课的主要权威。该网站也是100％免费的。

一个缺点是你不能下载讲座并将它们存储在例如itunes;但是，几乎每个讲座都有一组幻灯片供您下载（或者，您可以方便地在观看演示文稿时在线查看）。

我看过的一些，我可以高度推荐：

• 半监督学习方法

• 机器学习简介

• 高斯过程基础

• 图形模型

• k-最近邻模型

• 内核方法简介

Answer 2

机器学习是一个如此广泛的话题。我将从Wikipedia开始，专注于您感兴趣的领域。

另外，您可以访问Stack Exchange site for machine learning。

Answer 3

斯坦福在http://see.stanford.edu

发布了一系列工程课程的视频和资料

Andrew Ng的一门课程侧重于机器学习技巧 http://see.stanford.edu/see/courseinfo.aspx?coll=348ca38a-3a6d-4052-937d-cb017338d7b1

该课程也可在iTunes U上找到

对于一个明显了解该领域的人来说，这是一个非常好的过程，但是他花了很多时间来得出数学结果 - 所以如果你的生成线性代数或概率/统计，你可能需要先复习。

Answer 4

我认为我所知道的最好的是：

Stanford's Lectures on Machine Learning

书籍:(按照易于理解的顺序排列 - 恕我直言）

Machine Learning: An Algorithmic Perspective by Stephen Marsland

Pattern Recognition and Machine Learning by Christopher Bishop

Introduction to Machine Learning - Ethem Alpaydin