近日,哥伦比亚大学放出了2019年春季应用机器学习课程,短短几个小时,就在微博迎来了数百次的马克与转发。
这套课程不仅包含了机器学习的基础知识,还涵盖了数据科学实践任务的具体指导,并且,课程提供的资源种类之全,让人窃喜:
无码高清有字幕的课程视频、简洁干净的对应PPT、有的放矢的课后作业、开拓视野的相关阅读……
这难道还不能俘获你那颗想求(shou)学(cang)上(ma)进(ke)的心?
一大波资源即将来袭,请做好收藏准备。错过这套最全干货,小心后悔一整年~
整套课程1月下旬就开课了,会一直上到5月初,持续16个星期,基本上是以每周两节课的频率更新,中间还掺杂了春假和慕课学生可以休息一下的考试。
当然,所有的课程都保留了视频,所以,已经更新的课程也可以直接看视频和课程PPT等资料。
先来看看详细课程表。
从简单的开始,有git入门、matplotlib和可视化、监督学习、回归/分类/SVM的线性模型、聚类和混合模型、文本数据主题模型、神经网络、时序数据和调参等丰富多样的内容。
我们先来看一下更新完的第二节,git教程。
课程主要以视频形式呈现,上来就有解释git的图示,画风清晰幽默的那种。
还有这种:
有代码:
也有GitHub实地操练:
有原理图:
甚至还有手动狗头表情包:
老师你是副业是微博网红吧???
除了视频,你还可以直接找到这节课的PPT,想怎么看,就怎么看:
甚至,还能直接用Chrome自动翻译网页把它变成中文:
这是什么神仙资源啊!
除了视频和PPT之外,老师还准备了补充的阅读资料。
比如git这节课的资料,就非常简单,包含可以翻译成中文的指南网页:
还有四岁的娃都能看懂的git小视频:
真是毫无门槛,除了三岁小孩都能学,五年级还没学TensorFlow的小朋友也可以参与进来了。
当然,也不是所有推荐阅读都这么子供向,课程表上还是安利了三本正经书的,每节课后都列了书中和课程相关的章节,可以做为补充阅读。
第一本是《Python的机器学习导论(Introduction to machine learning with python)》,作者是scikit-learn的贡献者Andreas Müller和密歇根大学的Sarah Guido。
第二本是《应用预测建模(Applied predictive modeling)》,作者是辉瑞全球研发部非临床统计主任的Max Kuhn和他的前任主管Kjell Johnson。
第三本大家相当熟悉了,Ian Goodfellow、Yoshua Bengio和Aaron Courville的《深度学习(Deep Learning)》
课程主页:
https://www.cs.columbia.edu/~amueller/comsw4995s19/schedule/
GitHub地址:
https://github.com/amueller/COMS4995-s19
PPT获取地址:
https://amueller.github.io/COMS4995-s19/slides/
附送全套课程视频集合,此地址为油管原版,可选择自动英文字幕,需要科学前往:
https://www.youtube.com/playlist?list=PL_pVmAaAnxIQGzQS2oI3OWEPT-dpmwTfA
可喜可贺,爱可可老师已将原视频打包,逐一搬运到B站了:
https://www.bilibili.com/video/av41655158/
课程还在持续更新中,赶紧上车。
作者系网易新闻·网易号“各有态度”签约作者
— 完 —
加入社群
量子位现开放「AI+行业」社群,面向AI行业相关从业者,技术、产品等人员,根据所在行业可选择相应行业社群,在量子位公众号(QbitAI)对话界面回复关键词“行业群”,获取入群方式。行业群会有审核,敬请谅解。
此外,量子位AI社群正在招募,欢迎对AI感兴趣的同学,在量子位公众号(QbitAI)对话界面回复关键字“交流群”,获取入群方式。
诚挚招聘
量子位正在招募编辑/记者,工作地点在北京中关村。期待有才气、有热情的同学加入我们!相关细节,请在量子位公众号(QbitAI)对话界面,回复“招聘”两个字。
量子位 QbitAI · 头条号签约作者
վ'ᴗ' ի 追踪AI技术和产品新动态
喜欢就点「好看」吧 !