Я ищу несколько сообщений начального уровня об обучении машинам. Может ли кто-нибудь предложить что-нибудь для кого-то нового в этом вопросе?Полезные ресурсы начального уровня для машинного обучения
ответ
По сообщениям, я предполагаю, что вы имеете в виду любой доступный ресурс в Интернете.
Я рекомендую две группы ресурсов:
Во-первых, найти Machine Learning блоги, в котором предпочтительный язык блоггера является такой же, как ваша. По моему опыту, чтение сообщения в блоге по одному предмету (например, SVM) при чтении исходного кода автора, поставляемого вместе с сообщением в блоге, - это лучший способ для программиста изучить ML. Несколько отличных примеров - блоги Smell the Data (Python) и Igvita (Ruby). Оба содержат (по крайней мере) несколько сообщений, каждый из которых описывает, учебный стиль, специфические методы ML, которые включают тесные проходы их (отправленного) исходного кода. В частности, у Igvita есть отличные учебные пособия с рабочим кодом Ruby на Поддержка векторных машин, деревьев принятия решений, сингулярных декомпозиций и ансамблевых методов - как, в другом блоге, о котором я упоминал, курс бакалавриата высшего уровня можно преподавать на основе исключительно на сообщениях ML в любом блоге.
Во-вторых, я настоятельно рекомендую VideoLectures.net.
Это, безусловно, лучший источник - будь то бесплатный или платный - я нашел для очень высокого качества (как качество звука, так и качество видео и т. Д.) видео лекции и учебники по компьютерному обучению. Целевая аудитория этих видео-лекций варьируется от новичка (некоторые лекции специально помечены как «учебники») для экспертов; большинство из них, кажется, где-то посередине.
Все лекции и учебные пособия преподаются высококвалифицированным специалистам и ученым, и во многих случаях лектор является ведущим авторитетом по теме, на которой он читает лекции. Сайт также на 100% бесплатный.
Единственным недостатком является то, что вы не можете загружать лекции и хранить их, например, itunes; тем не менее, почти на всех лекциях есть набор слайдов, которые вы можете скачать (или, что удобно, вы можете просматривать их онлайн, когда смотрите презентацию).
Несколько что я наблюдал, и что я могу рекомендовать высоко:
полуобучаемой обучения Подходы
Введение в машинное обучение
Gaussian Основы процесса
Графических моделей
к-ближайший сосед Модель
Введение ядра Методы
Машинное обучение - такая широкая тема. Я бы начал с Wikipedia и сосредоточиться на областях, которые вы найдете интересными.
Также вы можете посетить Stack Exchange site for machine learning.
Stanford опубликованной видео и материалы из набора инженерных курсов в http://see.stanford.edu
Один курс Эндрю Нг сосредотачивается на методах машинного обучения http://see.stanford.edu/see/courseinfo.aspx?coll=348ca38a-3a6d-4052-937d-cb017338d7b1
Курс также доступен на ITunes U
Ее действительно хороший курс от кого-то, кто, очевидно, знает, что поле хорошо, но он тратит много из время, получающее математические результаты - поэтому, если ваш ржавый в линейной алгебре или prob/stats, вам может понадобиться обновить сначала.
Я думаю, что лучшее, что я знаю, являются:
Stanford's Lectures on Machine Learning
Книги: (в порядке убывания простоты понимания - ИМХО)
Machine Learning: An Algorithmic Perspective by Stephen Marsland
Pattern Recognition and Machine Learning by Christopher Bishop
- 1. Каковы полезные ресурсы для обучения программированию анимаций?
- 2. Некоторые полезные ресурсы для обучения F # пожалуйста
- 3. Выбор алгоритма машинного обучения для базового уровня
- 4. Каковы некоторые полезные ресурсы для обучения методам макросов схемы?
- 5. Полезные ресурсы TTCN-3
- 6. Лучшие ресурсы для обучения Machine Learning для начинающих
- 7. Внешний GPU для машинного обучения
- 8. Импорт Python для машинного обучения
- 9. Преобразование данных для машинного обучения
- 10. Архив чата для машинного обучения
- 11. Использование JavaScript для машинного обучения
- 12. Полезные системные ресурсы для Android
- 13. Среда разработки машинного обучения
- 14. Выбор алгоритма машинного обучения
- 15. Обзор машинного обучения
- 16. Модель машинного обучения экспорта
- 17. простой машинного обучения программа
- 18. Точность машинного обучения 0
- 19. Предложение алгоритма машинного обучения?
- 20. Оценка алгоритмов машинного обучения
- 21. Образцы машинного обучения
- 22. Требуется стратегия машинного обучения
- 23. Масштабирование машинного обучения
- 24. комплексов машинного обучения применение
- 25. Как решить задачу машинного обучения?
- 26. Ресурсы для обучения JavaScript
- 27. Ресурсы для обучения Emacs
- 28. Ресурсы для обучения Spring.NET
- 29. Ресурсы для обучения LINQ?
- 30. Внешний набор данных для обучения в python для машинного обучения