课程列表

机器学习理论需要非常扎实的数学基础，包括优化，概率，分析等等，这边我们只列出机器学习理论的课程，由简到难，不同的课程中间会有一些重复交叉的内容，希望大家坚持下来。
如果大家认为有什么数学是必备的，可以告知我们，我们会补充在这一专栏，帮助大家更好的学习。
Hebrew的机器学习理解这门课程的视频非中英文，但是因为作者是参考书的作者，而且他的slides也不错，如果我们有能力了定会尽量实现翻译，目前大家将就看一下原版即可。

课程 机构 参考书 Notes等其他资料
机器学习在线方法 MIT 暂无 链接
机器学习理解 Hebrew Understanding Machine Learning: From Theory to Algorithms 链接
机器学习理论基础 CMU An Introduction to Computational Learning Theory 链接
理论机器学习 Princeton 暂无 链接

MIT 6.883 除了6.883: Online Methods in Machine Learning Theory and Applications有好几个课程名

  • 6.883 Meta Learning
  • 6.883 Pervasive Human-Centric & Mobile Computing
  • 6.883/6.S083) Modeling with machine learning: from algorithms to applications6.883/6.S083) Modeling with machine learning: from algorithms to applications

专项课程学习1

课程 机构 参考书 Notes等其他资料
机器学习在线方法 MIT 暂无 链接
机器学习理解 Hebrew Understanding Machine Learning: From Theory to Algorithms 链接
机器学习理论基础 CMU An Introduction to Computational Learning Theory 链接

专项课程学习2

课程 机构 参考书 Notes等其他资料
理论机器学习 Princeton 暂无 链接

推荐书籍

书籍 要求
(draft) Introduction to Online Convex Optimization, by E. Hazan 要求
An Introduction To Computational Learning Theory, by M.J. Kearns and U. Vazirani 要求
Understanding Machine Learning: From Theory to Algorithms, by Shai Shalev-Shwartz and Shai Ben-David 要求
Introductory Lectures on Convex Optimization Introductory Lectures on Convex Optimization 不做要求
Prediction, Learning and Games, by N. Cesa-Bianchi and G. Lugosi 不做要求
Boosting: Foundations and Algorithms, by R. E. Schapire and Y. Freund 不做要求
Foundations of Machine Learning, by Mehryar Mohri, Afshin Rostamizadeh, and Ameet Talwalkar 不做要求

其他

恭喜您坚持到了现在，现在您已经拥有了扎实的机器学习理论功底，同时经过这么多的练习，也已经掌握了理论及其学习中的较为经典甚至一些较为前沿的技术，接下来如果您希望继续深造并成为大师并对该领域做出突破贡献，我们强烈建议您进入高校或者其他研究所进行深造，因为现在您当前的基础已经完全可以支撑您进行进一步研究，如果有好的导师引路，加之努力，将来定会成为大师，希望继续加油！。