張志華教授的兩門機器學習公開課是很好的機器學習資源。但在上海交大的公開課視頻網站上掛出的教學視頻順序有點亂。對于初學者來說，如果沒看對順序的話，會覺得講得很亂，從而錯過這么優質的資源。事實上板書很完整，有電子版講義可下載。只是講義上有個別地方有點筆誤，但不影響理解。能用黑板直接推導的老師的邏輯和思路都是很清晰的！ 《機器學習導論》：http://ocw.sjtu.edu.cn/G2S/OCW/cn/CourseDetails.htm?Id=397 課程講義：http://share.weiyun.com/9b56eb04645174798ff938cdb22144bf 01. 基本概念 02. 隨機向量 03. 隨機向量的性質 04. 條件期望 05. 多元高斯分布 06. 分布的性質 07. 多元高斯分布及其運用 08. 多項式分布 09. 漸進性質 10. 核定義 11. 正定核性質 12. 正定核應用 13. 主元分析 14. 主坐標分析 15. ?核主元分析 16. 概率PCA 17. 最大似然估計方法 18. 期望最大算法 19. EM算法的收斂性 20. MDS方法 21. MDS中加點方法 22. T矩陣范式 23. 次導數 24. 矩陣次導數 25. Matrix_Completion 26. K_means algorithm 27. spectral clustering 28. 譜聚類1 29. 譜聚類2 30. Fisher判別分析 31. Fisher Discriminant Analysis 32. computational Methods1 33. computational Methods2 34. Kernel FDA 35. Linear classification1 36. Linear classification2 37. Naive Bayes 方法 38. Support Vector Machinese1 39. Support Vector Machinese2 40. SVM? 41. Boosting1 42. Boosting2 《統計機器學習》：http://ocw.sjtu.edu.cn/G2S/OCW/cn/CourseDetails.htm?Id=398? 課程講義：（周大神的個人網頁http://bcmi.sjtu.edu.cn/log/courses/ml_2014_spring_acm.html 暫時無法打開，之前下載的打印后就刪了，只能等過幾天再補了） 01. 概率基礎 02. 隨機變量1 03. 隨機變量2 04. 高斯分布 05. 連續分布 06. 例子 07. scale mixture pisribarin 08. jeffrey prior 09. statistic interence 10. Laplace 變換 11. 多元分布定義 12. 概率變換 13. jacobian 14. wedge production 15. 統計量 16. 多元正態分布 17. Wishart 分布 18. 矩陣元Beta分布 19. 統計量 充分統計量 20. 指數值分布 21. 共軛先驗性質 22. Entropy 23. KL distance 24. properties 25. 概率不等式1 26. 概率不等式2 27. 概率不等式1 28. 概率不等式2 29. 概率不等式3 30. 概率不等式 31. 隨機投影 32. John引理 33. Stochastic Convergence-概念 34. Stochastic Convergence-性質 35. Stochastic Convergence-應用 36. EM算法1 37. EM算法 38. EM算法3 39. Markov Chain Monte carlo1 40. Markov Chain Monte carlo2 41. Bayesian Classification 如果你覺得該帖子幫到你，還望貴人多多支持，鄙人會再接再厲，繼續努力的~

總結

以上是生活随笔為你收集整理的《机器学习导论》和《统计机器学习》学习资料：张志华教授的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。