铜灵 发自 凹非寺
量子位 出品 | 公众号 QbitAI
刚刚，又一个机器学习人气课程冲上GitHub热榜，一天之内新增了近700 star，一下子登上热榜第四。
这套课程名为A Machine Learning Course with Python（Python机器学习课程），其介绍中只有一句话：
这是一套容易理解并且简单的Python机器学习课。
入门级资源、门槛降到最低，这在不少网友心里种了草，推特网友纷纷转推，表示期待着有空好好学习一下。
里面都有啥？
“容易理解”的flag绝对不是白立的，从课程设置上就能看出，里面的内容绝对友好了。
这套资源主要在解决四个问题：
- 机器学习的定义是什么？
- 什么时候开始流行，发展趋势是什么？
- 机器学习的类别都有哪些？
- 最常见的机器学习算法以及如何实现它们？
针对这些问题，这套课程的设置了如下目录，共分为三章：
前言
- 机器学习概览
第一章：核心概念
- 交叉验证
- 线性回归
- 过拟合和低度拟合
- 正则化
第二章：监督学习
- 逻辑回归
- 朴素贝叶斯分类
- 决策树
- K-近邻
- 线性支持向量机
第三章：监督学习
- 聚类
- 主成分分析
- 第四章：深度学习
- 多层感知机
- 卷积神经网络
- 自编码器
不要看到这些专业词汇就被绕晕了，别忘了这可是套小白可食用的入门课。在每一个小节之后，都又细分出了更多小单元。比如在逻辑回归这一节：
包含了逻辑回归的简略介绍：
使用方法：
然后才是需要一些门槛的数学原理：
最后，还附上了相关案例及其代码，绝知此事要躬行：
虽然这套课程中没有视频，但里面用到了大量的动图元素方便理解，选择省流量课程的好去处。
关键是，它还完全免费呢。
机不可失，失不再来↓↓
传送门
课程直通车：
https://machine-learning-course.readthedocs.io/en/latest/index.html
Github地址：
https://github.com/machinelearningmindset/machine-learning-course
—完—
量子位 · QbitAI
վ'ᴗ' ի 追踪AI技术和产品新动态
戳右上角「+关注」获取最新资讯↗↗
如果喜欢，请分享or点赞吧~比心❤
