上海交大周志华教授《机器学习导论》和《统计机器学习》公开课视频的正确播放顺序

周志华教授的两门机器学习公开课是很好的机器学习资源。但在上海交大的公开课视频网站上挂出的教学视频顺序有点乱。对于初学者来说，如果没看对顺序的话，会觉得讲得很乱，从而错过这么优质的资源。

事实上板书很完整，有电子版讲义可下载。只是讲义上有个别地方有点笔误，但不影响理解。

能用黑板直接推导的老师的逻辑和思路都是很清晰的！

正确的顺序应如下所示：

《机器学习导论》：http://ocw.sjtu.edu.cn/G2S/OCW/cn/CourseDetails.htm?Id=397
课程讲义：http://share.weiyun.com/9b56eb04645174798ff938cdb22144bf


01. 基本概念
02. 随机向量
03. 随机向量的性质
04. 条件期望
05. 多元高斯分布
06. 分布的性质
07. 多元高斯分布及其运用
08. 多项式分布
09. 渐进性质
10. 核定义
11. 正定核性质
12. 正定核应用
13. 主元分析
14. 主坐标分析
15.  核主元分析
16. 概率PCA
17. 最大似然估计方法
18. 期望最大算法
19. EM算法的收敛性
20. MDS方法
21. MDS中加点方法
22. T矩阵范式
23. 次导数
24. 矩阵次导数
25. Matrix_Completion
26. K_means algorithm
27. spectral clustering
28. 谱聚类1
29. 谱聚类2
30. Fisher判别分析
31. Fisher Discriminant Analysis
32. computational Methods1
33. computational Methods2
34. Kernel FDA
35. Linear classification1
36. Linear classification2
37. Naive Bayes 方法
38. Support Vector Machinese1
39. Support Vector Machinese2
40. SVM 
41. Boosting1
42. Boosting2

     
     
     
     

      
      
      
      
1
      
      
      
      
2
      
      
      
      
3
      
      
      
      
4
      
      
      
      
5
      
      
      
      
6
      
      
      
      
7
      
      
      
      
8
      
      
      
      
9
      
      
      
      
10
      
      
      
      
11
      
      
      
      
12
      
      
      
      
13
      
      
      
      
14
      
      
      
      
15
      
      
      
      
16
      
      
      
      
17
      
      
      
      
18
      
      
      
      
19
      
      
      
      
20
      
      
      
      
21
      
      
      
      
22
      
      
      
      
23
      
      
      
      
24
      
      
      
      
25
      
      
      
      
26
      
      
      
      
27
      
      
      
      
28
      
      
      
      
29
      
      
      
      
30
      
      
      
      
31
      
      
      
      
32
      
      
      
      
33
      
      
      
      
34
      
      
      
      
35
      
      
      
      
36
      
      
      
      
37
      
      
      
      
38
      
      
      
      
39
      
      
      
      
40
      
      
      
      
41
      
      
      
      
42
      
      
      
      
43
      
      
      
      
44
      
      
      
      
45
      
      
      
      
46
      
      
      
      
47
     
     
     
     

---

《统计机器学习》：http://ocw.sjtu.edu.cn/G2S/OCW/cn/CourseDetails.htm?Id=398
课程讲义：（周大神的个人网页http://bcmi.sjtu.edu.cn/log/courses/ml_2014_spring_acm.html 暂时无法打开，之前下载的打印后就删了，只能等过几天再补了）

01. 概率基础
02. 随机变量1
03. 随机变量2
04. 高斯分布
05. 连续分布
06. 例子
07. scale mixture pisribarin
08. jeffrey prior
09. statistic interence
10. Laplace 变换
11. 多元分布定义
12. 概率变换
13. jacobian
14. wedge production
15. 统计量
16. 多元正态分布
17. Wishart 分布
18. 矩阵元Beta分布
19. 统计量 充分统计量
20. 指数值分布
21. 共轭先验性质
22. Entropy
23. KL distance
24. properties
25. 概率不等式1
26. 概率不等式2
27. 概率不等式1
28. 概率不等式2
29. 概率不等式3
30. 概率不等式
31. 随机投影
32. John引理
33. Stochastic Convergence-概念
34. Stochastic Convergence-性质
35. Stochastic Convergence-应用
36. EM算法1
37. EM算法
38. EM算法3
39. Markov Chain Monte carlo1
40. Markov Chain Monte carlo2
41. Bayesian Classification

对于这两个公开课视频，个人觉得《机器学习导论》是极好的，与台大的《机器学习基石》和《机器学习技法》相比，我更偏爱周志华老师的这门课。《统计机器学习》则比较偏重基础了，花了很大的篇幅来讲概率分布等基础理论，到后面给人一种仓促结尾的感觉，建议看完之后可以接着看悉尼科大徐亦达教授的相关公开课视频。

     
     
     
     

      
      
      
      
1
      
      
      
      
2
      
      
      
      
3
      
      
      
      
4
      
      
      
      
5
      
      
      
      
6
      
      
      
      
7
      
      
      
      
8
      
      
      
      
9
      
      
      
      
10
      
      
      
      
11
      
      
      
      
12
      
      
      
      
13
      
      
      
      
14
      
      
      
      
15
      
      
      
      
16
      
      
      
      
17
      
      
      
      
18
      
      
      
      
19
      
      
      
      
20
      
      
      
      
21
      
      
      
      
22
      
      
      
      
23
      
      
      
      
24
      
      
      
      
25
      
      
      
      
26
      
      
      
      
27
      
      
      
      
28
      
      
      
      
29
      
      
      
      
30
      
      
      
      
31
      
      
      
      
32
      
      
      
      
33
      
      
      
      
34
      
      
      
      
35
      
      
      
      
36
      
      
      
      
37
      
      
      
      
38
      
      
      
      
39
      
      
      
      
40
      
      
      
      
41
      
      
      
      
42
      
      
      
      
43
      
      
      
      
44
     
     
     
     

https://blog.csdn.net/Dramer110/article/details/52776539