零基礎系統深入學習機器學習精品課程教程下載。本教程適合人工智能初學者；想系統學習機器學習，理解機器學習流行模型的研發人員；希望查漏補缺，鞏固機器學習基礎的從業者；對機器學習有濃厚興趣的其他相關人員。備注：本課程為音頻+文字課程。

第一個模塊是機器學習概觀，介紹機器學習中超脫于具體模型和方法之上的一些共性問題，將從概率的兩大派別開始。眾所周知，概率在機器學習中扮演著核心角色，而頻率學派與貝葉斯學派對概率迥異的認知也將機器學習一分為二，發展出兩套完全不同的理論體系。正所謂兼聽則明偏聽則暗，理解機器學習時應該看到這同一枚硬幣的兩面，以獲得完整的認知。除此之外，本模塊還涵蓋了計算學習等機器學習的理論問題，以及關于模型和特征的一些實驗主題。

第二個模塊將討論頻率學派發展出的機器學習理論――統計學習。統計機器學習的核心是數據，它既從數據中來，利用不同的模型去擬合數據背后的規律；也到數據中去，用擬合出的規律去推斷和預測未知的結果。統計學習中最基礎的模型是線性回歸，幾乎所有其他模型都是從不同角度對線性回歸模型做出的擴展與修正。因此，在這個模塊中，我將以線性模型為主線，和你一起瀏覽它的萬千變化，觀察從簡單線性回歸到復雜深度網絡的發展歷程。

第三個模塊將討論貝葉斯學派發展出的機器學習理論――符號學習，也就是概率圖模型。和基于數據的統計學習相比，基于關系的圖模型更多地代表了因果推理的發展方向。貝葉斯主義也需要計算待學習對象的概率分布，但它利用的不是海量的具體數據，而是變量之間的相關關系、每個變量的先驗分布和大量復雜的積分技巧。在這個模塊中，我將圍繞概率圖模型中的表示、推斷、學習三大問題展開介紹，認識貝葉斯面紗下的機器學習。
備注：本課程為音頻+文字課程。