开源软件名称（OpenSource Name）：

开源软件地址(OpenSource Url)：

开源编程语言(OpenSource Language)：

开源软件介绍(OpenSource Introduction)：

NTU-HsuanTienLin-MachineLearning（林轩田机器学习）

1. 课程介绍

台湾大学林轩田老师曾在coursera上开设了两门机器学习经典课程：《机器学习基石》和《机器学习技法》。《机器学习基石》课程由浅入深、内容全面，基本涵盖了机器学习领域的很多方面。其作为机器学习的入门和进阶资料非常适合。《机器学习技法》课程主要介绍了机器学习领域经典的一些算法，包括支持向量机、决策树、随机森林、神经网络等等。林老师的教学风格也很幽默风趣，总让读者在轻松愉快的氛围中掌握知识。在此，笔者将把这两门课的所有视频、笔记、书籍等详细资料分享给大家。

首先附上这两门课的主页：

Hsuan-Tien Lin 机器学习基石

2. 课程内容

2.1 《机器学习基石》

这门课主要涉及机器学习关键问题的四个方面：

• When Can Machine Learn?

• Why Can Machine Learn?

• How Can Machine Learn?

• How Can Machine Learn Better?

其中每个方面包含4节课，总共有16节课。具体所有课程内容如下：

• When Can Machine Learn?

• The Learning Problem

• Learning to Answer Yes/No

• Types of Learning

• Feasibility of Learning

• Why Can Machine Learn?

• Training versus Testing

• Theory of Generalization

• The VC Dimension

• Noise and Error

• How Can Machine Learn?

• Linear Regression

• Logistic Regression

• Linear Models for Classification

• Nonlinear Transformation

• How Can Machine Learn Better?

• Hazard of Overfitting

• Regularization

• Validation

• Three Learning Principles

2.2 《机器学习技法》

这门课主要涉及机器学习经典算法的三个方面：

• Embedding Numerous Features: Kernel Models

• Combining Predictive Features: Aggregation Models

• Distilling Implicit Features: Extraction Models

总共有16节课。具体所有课程内容如下：

• Embedding Numerous Features: Kernel Models

• Linear Support Vector Machine

• Dual Support Vector Machine

• Kernel Support Vector Machine

• Soft-Margin Support Vector Machine

• Kernel Logistic Regression

• Support Vector Regression

• Combining Predictive Features: Aggregation Models

• Blending and Bagging

• Adaptive Boosting

• Decision Tree

• Random Forest

• Gradient Boosted Decision Tree

• Distilling Implicit Features: Extraction Models

• Neural Network

• Deep Learning

• Radial Basis Function Network

• Matrix Factorization

• Finale

3. 资源汇总

笔者在学习这门课的过程中整理了各种课程资源，包括视频、笔记、书籍等。具体如下：

3.1 课程视频

课程视频在B站上可以直接观看哦～这里附上传送门：

机器学习基石（林轩田）

机器学习技法（林轩田）

3.2 课程课件

此项目包含了林轩田机器学习课程完整的课件：

3.3 课程笔记

这是笔者最用心整理也是花的时间最多的，读者可以边看视频边看我的笔记，希望能给读者提供微薄之力。所有精炼笔记都已发布在个人主页上。但是为了便于大家线下阅读，特此将笔记的pdf文件全都发布在github上，可供查阅和打印。

另外，我已经把完整的林轩田机器学习笔记整理成一个pdf文件，就放在项目根目录下了。

3.4 课程书籍

林轩田机器学习基石这门课有一个配套教材：《Learning From Data》，林轩田也是编者之一。这本书的主页为：

Learning From Data

豆瓣上关于这本书的评分高达9.4，还是很不错的，值得推荐！可以配套视频一起学习。

机器学习技法对这本书添加了一些章节，作为扩展。原书和附加章节均放在本项目中。

4 完整下载

该GitHub项目中完整的资源均已整理好，方便大家免费下载。想要获得离线资源的可以在公众号：AI有道（ID: redstonewill），后台回复：Lin，即可获取。

5. 最后

如果觉得我的分享对你有用，那么就Star一下吧～同时，也欢迎大家关注我的微信公众号：AI有道（ID: redstonewill）。我会一如既往发布更多更好的文章给大家！一起学习，共同进步！

同时，也欢迎加入AI有道技术交流QQ群，进行交流：（群号：223490966）

个人主页

公众号：AI有道（ID：redstonewill）

博客：http://redstonewill.com/

知乎：https://www.zhihu.com/people/red_stone_wl

微博：AI有道