YouTube上的机器学习课程清单
发掘DAIR.AI整理的YouTube机器学习课程清单,覆盖从基础到高级的各类主题,如决策树、神经网络和深度学习。课程适合不同水平的学习者,帮助你提升机器学习技能。
由 DAIR.AI 推出的 ML-YouTube-Courses 在推广开放式人工智能教育方面有着特别的热情。在这个项目中,他们收集并有序整理了 YouTube 上一些最佳和最新的机器学习课程。该项目的目的是为学习者提供一个丰富的在线资源来源,以方便自学机器学习及其相关领域。
ML-YouTube-Courses 包含的课程主要分为以下几个核心领域:
加州理工学院 CS156:从数据中学习
这门入门课程讲解了机器学习的基本理论、算法和应用,涵盖内容从学习问题、线性模型、误差与噪声到神经网络和支持向量机等。
斯坦福 CS229:机器学习
学习机器学习的基本技术,如线性回归、逻辑回归、朴素贝叶斯、支持向量机(SVM)、决策树和神经网络。
认识机器学习
通过一系列迷你讲座介绍机器学习的基本概念,如人工智能的可解释性、分类与回归、统计显著性以及集成模型等。
神经网络:从零到英雄(由 Andrej Karpathy 主讲)
本课程深入介绍神经网络,涵盖卷积神经网络(CNNs)、循环神经网络(RNNs)等。
MIT:深度学习在艺术、美学与创意中的应用
探讨深度学习在创造性领域中的各种应用,包括神经抽象、易于实现的3D内容创作等。
构建真实世界的大型语言模型应用