全部版块 我的主页
论坛 数据科学与人工智能 数据分析与数据科学 R语言论坛
5798 14
2014-01-24
http://online.stanford.edu/cours ... earning-winter-2014

很多人上过Coursera的Andrew Ng的Machine Learning。 这门课用的是Matlab而且CS的风格比较浓重。 这个新开的课是Stanford的 Element of statistical learning和 introduction to statistical learning两本书的作者,他们的背景也是统计,所以这门课非常适合统计背景的学生学习 Statistical (Machine) Learning!更重要的是,这门课是用R讲的, 而且课程难易度很适合初学者。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

全部回复
2014-1-24 09:06:30
LZ好人!
赞一个!
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2014-1-24 09:13:38
提示: 作者被禁止或删除 内容自动屏蔽
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2014-1-24 09:25:31
楼主这门课可能是需要注册的吧。

这个应该是两门课的总结吧,STATS 315A和STATS 315B,和Andrew的CS229侧重的方向不同。看个人喜好吧。elements of statistical learning属于入门容易,但是想深入理解还是要些时间和精力的,将的东西主要是将trevor hastie他们进二十年的工作连通起来的总结,其实要深入理解还是要读paper的。Andrew的讲义更多的符合Stanford CS的重点课程风格,属于比较系统全面,也比较有乐趣的东西,入门性好。个人认为应该先看CS229,然后再看STATS 315A、B。
另外,虽然machine learning属于统计和计算机交叉的领域,但是两个专业还是有不同侧重的,并不是完全重合。比如, hastie他们的课,主要是将machine learning中统计的那部分内容。Andrew则更多的介绍了个人工智能(AI)相关的东西。像reinforcement leanring那部分内容,统计里几乎是完全没有涉及的。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2014-1-24 09:30:17
ltx5151 发表于 2014-1-24 09:25
楼主这门课可能是需要注册的吧。

这个应该是两门课的总结吧,STATS 315A和STATS 315B,和Andrew的CS229侧 ...
免费注册的。
用的教材是introduction to statistical learning, 属于element of statistical learning的简单应用版。
我刚上了他的前两个chapter,感觉讲的很不错,难度属于入门级。

视屏旁边又字母,如果听不懂,可以看字幕。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2014-1-24 20:56:00
读论文 ,进入ML实用的必经之路。。
在读   trevor hastie等的论文之前,总觉他们的算法的参数太多,之后却发现就三四个参数是重要的,多用后,其实也就一二个参数需要TUNING ..
一点拙感!!

二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

点击查看更多内容…
相关推荐
栏目导航
热门文章
推荐文章

说点什么

分享

扫码加好友,拉您进群
各岗位、行业、专业交流群