Coursera机器学习笔记——学习资源和课程概述

本文内容参考自中国海洋大学2014级博士生黄海广的机器学习笔记，同时加入了自己的学习和思考。原因是PDF版本的笔记有些冗长，阅读没有记录，故进行整理形成博客。

学习资料链接：斯坦福大学机器学习个人笔记完整版（附所有视频和字幕）

课程学习网站：Machine learning - Coursera

Machine Learning(机器学习)是研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。它是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域，它主要使用归纳、综合而不是演绎。在过去的十年中，机器学习帮助我们自动驾驶汽车，有效地识别语音，搜索网络，并极大地提高了人类基因组的认识。机器学习是当今非常普遍，你可能会使用这项技术一天几十遍而不自知。很多研究者也认为这是最好的人工智能的取得方式。在本课中，您讲学习最有效的机器学习技术，并获得实践。更重要的是，你会不仅得到理论基础的学习，而且获得那些解决问题的快速强大的应用技术。

本课程提供了一个广泛的介绍机器学习、数据挖掘、统计模式识别的课程。主题包括：（一）监督学习（参数/非参数算法，支持向量机，核函数，神经网络），（二）无监督学习（聚类，降维，推荐系统，深入学习推荐），（三）在机器学习的最佳实践（偏差/方差理论；在机器学习和人工智能创新过程）。本课程还将使用大量的案例研究，您还将学习如何运动学习算法构建机器人（感知，控制），对文本的理解（Web搜索，反垃圾邮件），计算机视觉，医疗信息，音频，数据挖掘和其他领域。

本课程需要10周共18节课，相对于之前的机器学习视频，这个视频更加清晰，而且每课都有ppt课件和pdf讲义。