机器学习专家系列精品课程零基础到精通(全套)

该系列课程整理分为以下几个部分:（留坑待填！）

• Part01 机器学习理论篇

  • Chapter01 大数据算法基础教程(10课)

    • a 大数据算法概述
    • b 亚线性算法
    • c 亚线性算法例析
    • d 外存算法概述
    • e 外存查找结构
    • f 外存图数据算法
    • g 基于MapReduce的并行算法设计
    • h 超越MapReduce的并行大数据处理
    • i 众包算法

  • Chapter02 机器学习算法视频教程(重点)(10课)

  • a 管窥算法

  • b 字符串

  • c 数组

  • d 树

  • e 链表

  • f 查找排序

  • g 图论

  • h 贪心法和动态规划

  • i 概率分治和机器学习

  • Chapter03 机器学习之深度算法(30课)

    • 1-1 课程介绍 机器学习介绍
    • 1-2 深度学习介绍
    • 2 基本概念
    • 3-1 决策树算法
    • 3-2 决策树应用
    • 4-1 最邻近规则分类KNN算法
    • 4-2 最邻近规则KNN分类应用
    • 5-1 支持向量机SVM
    • 6-2 神经网络算法应用上
    • 6-3 神经网络算法应用下
    • 7-1 简单线性回归上
    • 7-2 简单线性回归下
    • 7-3 多元线性回归上
    • 7-4 多元线性回归下
    • 7-5 非线性回归Logistic Regression
    • 7-6 非线性回归应用
    • 7-7 回归中的相关度和决定系数
    • 7-8 回归总的相关性和R平方值应用
    • 8-1 Kmeans算法
    • 8-2 Kmeans应用
    • 8-3 Hierarchical clustering 层次聚类
    • 8-4 Hierarchical clustering 层次聚类应用
    • 9 神经网络CNN算法
    • 10 支持向量机(SVM)算法(下)应用
    • 11 支持向量机(SVM)算法下

  • Chapter04 算法公开课(20课)

    • 01 十分钟搞定LCS
    • 02 十分钟详解KMP
    • 03 十分钟例解KMP
    • 04 半小时精讲动态规划
    • 05 贪心算法
    • 06 BFS初步
    • 07 初探DFS
    • 08 Kruskal算法
    • 09 Prim算法
    • 10 最短路Dijkstra算法
    • 11 稳定婚姻匹配问题
    • 12 本福特定律
    • 13 Jump
    • 14 八皇后问题
    • 15 数独问题
    • 16 马踏棋盘问题
    • 17 并查集的应用
    • 18 围棋中的正方形
    • 19 时间复杂度
    • 20 背包问题

  • Chapter05 机器学习中的数学(4课)

    • a 微积分、梯度和Jensen不等式

    • b Taylor展开式和拟牛顿

    • c 概率论基础

    • d 概率计算与拒绝采样

  • Chapter06 机器学习视频教程(42课)

    • 01 基本概念
    • 02 随机向量
    • 03 随机向量性质
    • 04 多元高斯分布
    • 05 分布性质
    • 06 条件期望
    • 07 多项式分布
    • 08 多元高斯分布
    • 09 渐进性质
    • 10 核定义
    • 11 正定核性质
    • 12 正定核应用
    • 13 核主元分析
    • 14 主元分析
    • 15 主坐标分析
    • 16 期望最大算法
    • 17 概率PCA
    • 18 最大似然估计方法
    • 19 EM算法收敛性
    • 20 EDS方法
    • 21 MDS中加点方法
    • 22 矩阵次导数
    • 23 T矩阵范数
    • 24 次导数
    • 25 spectral clustering
    • 26 K-means algorithm
    • 27 Matrix Completion
    • 28 Fisher判别分析
    • 29 谱聚类1
    • 30 谱聚类2
    • 31 Computational Methods1
    • 32 Computational Methods2
    • 33 Fisher Discriminant Analysis
    • 34 Kernel FDA
    • 35 Linear classification1
    • 36 Linear classification2
    • 37 Naive Bayes方法
    • 38 Support Vector Machines1
    • 39 Support Vector Machines2
    • 40 SUM
    • 41 Boosting1
    • 42 Boosting2

• Part02 机器学习编程篇

  • 01 Linux Shell编程从初学到精通(17课)
  • 02 Linux集群应用实战视频(43课)
  • 03 Scala语言入门(5课)
  • 04 Spark 1(2).X 大数据平台V2视频教程(10课)
  • 05 Spark机器学习入门到精通(8课)
  • 06 零基础入门学习Python(42课)
  • 07 Python网络程序开发(12课)
  • 08 mahout机器学习平台(7课)

• Part03 机器学习应用篇

  • 01 实战coding直播(python)(6课)
  • 02 大数据之机器学习视频教程(重点)(11课)
  • 03 机器学习课程(重点)(19课)
  • 04 机器学习基石视频课程(66课)
  • 05 台湾机器学习技法(16课)
  • 06 机器学习公开课(11课)
  • 07 机器学习课程视频(19课)
  • 08 机器学习线下培训视频(8课)

• Part04 机器学习面试篇

  • 01 面试&算法讲座视频(3课)
  • 02 面试求职公开课(重点)(14课)

• Part05 机器学习复习资料

  • 01 斯坦福机器学习公开课(英语)(19课)
  • 02 CMU-Machine Learning-Tom Mitchell(英语)(24课)
  • 03 Toronto - Machine Learning - Hinton(英语)(70课)
  • 04 2014年斯坦福机器学习算法
  • 05 斯坦福机器学习算法(英文)19课
  • 06 斯坦福公开课NG:机器学习(19课)
  • 07 深度学习视频教程(英语)(16课)