2008年《斯坦福大学开放课程 ：机器学习课程》(Open Stanford Course : Engineering Everywhere-MachineLearning)[WMV]
http://www.verycd.com/topics/2727693/
[斯坦福大学-机器学习课程].cs229-lecture01.wmv 详情 204.4MB [斯坦福大学-机器学习课程].cs229-lecture02.wmv 详情 227MB [斯坦福大学-机器学习课程].cs229-lecture03.wmv 详情 218MB [斯坦福大学-机器学习课程].cs229-lecture04.wmv 详情 217.6MB [斯坦福大学-机器学习课程].cs229-lecture05.wmv 详情 224.8MB [斯坦福大学-机器学习课程].cs229-lecture06.wmv 详情 217.7MB [斯坦福大学-机器学习课程].cs229-lecture07.wmv 详情 225.4MB [斯坦福大学-机器学习课程].cs229-lecture08.wmv 详情 230.2MB [斯坦福大学-机器学习课程].cs229-lecture09.wmv 详情 221.2MB [斯坦福大学-机器学习课程].cs229-lecture10.wmv 详情 217.1MB [斯坦福大学-机器学习课程].cs229-lecture11.wmv 详情 245MB [斯坦福大学-机器学习课程].cs229-lecture12.wmv 详情 221.4MB [斯坦福大学-机器学习课程].cs229-lecture13.wmv 详情 223.1MB [斯坦福大学-机器学习课程].cs229-lecture14.wmv 详情 240.1MB [斯坦福大学-机器学习课程].cs229-lecture15.wmv 详情 230.1MB [斯坦福大学-机器学习课程].cs229-lecture16.wmv 详情 217.5MB [斯坦福大学-机器学习课程].cs229-lecture17.wmv 详情 229.2MB [斯坦福大学-机器学习课程].cs229-lecture18.wmv 详情 228.1MB [斯坦福大学-机器学习课程].cs229-lecture19.wmv 详情 225.9MB [斯坦福大学-机器学习课程].cs229-lecture20.wmv 详情 228.2MB [斯坦福大学-机器学习课程].materials.rar 详情 10.5MB 全选 4.4GB
中文名 : 斯坦福大学开放课程 ：机器学习课程 英文名 : Open Stanford Course : Engineering Everywhere-MachineLearning 资源格式 : WMV 发行日期 : 2008年 地区 : 美国 对白语言 : 英语 文字语言 : 英文
简介： 相对于其他名校，斯坦福大学的工科课程更注重实用性。这也是我个人很赞赏的一点。 关于发布本资源的初衷。坦白的说， 人工智能的发展到已经进入了一个瓶颈期。近年来各个研究方向都没有太大的突破。真正意义上人工智能的实现目前还没有任何曙光。但是，机器学习无疑是最有希 望实现这个目标的方向之一。斯坦福大学的“Stanford Engineering Everywhere ”免费提供学校里最受欢迎的工科课程，给全世界的学生和教育工作者。得益于这个项目，我们有机会和全世界站在同一个数量级的知识起跑线上。 此课程献给所有同好。让我们向着朝阳奔跑吧~ 本课程来源于斯坦福大学的“Stanford Engineering Everywhere ”项目。 首页为：http://see.stanford.edu/default.aspx 目前已有的课程是： Introduction to Computer Science: Programming Methodology CS106A Programming Abstractions CS106B Programming Paradigms CS107 Artificial Intelligence: Introduction to Robotics CS223A Natural Language Processing CS224N Machine Learning CS229 Linear Systems and Optimization: The Fourier Transform and its Applications EE261 Introduction to Linear Dynamical Systems EE263 Convex Optimization I EE364A Convex Optimization II EE364B 本课程为Artificial Intelligence里的Machine Learning CS229 课程简介： Artificial Intelligence | Machine Learning Instructor: Ng, Andrew This course provides a broad introduction to machine learning and statistical pattern recognition. Topics include: supervised learning (generative/discriminative learning, parametric/non-parametric learning, neural networks, support vector machines); unsupervised learning (clustering, dimensionality reduction, kernel methods); learning theory (bias/variance tradeoffs; VC theory; large margins); reinforcement learning and adaptive control. The course will also discuss recent applications of machine learning, such as to robotic control, data mining, autonomous navigation, bioinformatics, speech recognition, and text and web data processing. Students are expected to have the following background: Prerequisites: - Knowledge of basic computer science principles and skills, at a level sufficient to write a reasonably non-trivial computer program. - Familiarity with the basic probability theory. (Stat 116 is sufficient but not necessary.) - Familiarity with the basic linear algebra (any one of Math 51, Math 103, Math 113, or CS 205 would be much more than necessary.)
