序号 年份 标题 集数 时长 来源 完结
1 2021 【李沐|斯坦福】实用机器学习 29
B站
- [x]

| | 2 | 2019 | 【李航】统计学习方法 | 11 | 9h | B站 |
- [x]

| | 3 | 2019 | 【黑马】机器学习 | 42 | 14h48m | B站 |
- [x]

| | 4 | 2019 | Kaggle案例实战 | 8 | 17h | B站 |
- [x]

| | 5 | 2019 | 【浙大】机器学习课程 | 61 | 28h | B站 |
- [x]

| | 6 | 2019 | 机器学习入门篇 | 44 | 8h | B站 |
- [x]

| | 7 | | 机器学习白板推导 | 172 | 60h39m | B站 |
- [x]

| | 8 | | 机器学习教程 | 27 | 57h4m | B站 |
- [x]

| |
| | Kaggle 如何准备数据分析竞赛 | 1 | 1h18m | B站 |
- [x]

| | | 2022 | 因果推断入门 | 22 | | B站 | | | | 2022 | 算法导论 | | | | | | | | 【李宏毅】机器学习与深度学习 | | 52h | | | | | | 【李宏毅】机器学习深度学习 | | 66h | | | | | | 数据分析挖掘 | | 15h | | | | | | 时间序列分析 | | 31h | | | | | | 菜菜的机器学习sklearn | | 14h | | | | | | 【邹博】算法导论 | | 29h | | | | | | 深度了解人工智能的工作原理 | | 2h | | | | | | 机器学习西瓜书 | | 12h | | | | | | 人工智能之机器学习项目班 | | 19h | | | | | | 优化器:机器学习经典算法PCA降维 | | 2h | | | | | | | | | | | | | | 【MIT】人工智能—计算机科学与技术 | 22 | 18h | | | | | | 深度额解析对抗机器学习 | | 2h | | | | | | 机器学习经典算法:决策树 | | 45m | | | | | | 人工智能与机器学习系统 | | 8h33m | | | | | | 【吴恩达】机器学习课程 | | 19h | | | | | | 机器学习与人工智能 | | 42h30m | | | | | | 大数据机器学习 | | 15h33m | | | | | 2019 | 【吴恩达】零基础入门机器学习进阶 | | 25h | | | | | | AI 人工智能基础课程 | | 7h35m | | | | | | 10 分钟机器学习数学课 | | 1h33m | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | |

1. 实用机器学习

1.1 课程介绍 2.1 探索性数据分析 3.1 8分钟机器学习介绍 4.1 模型评估 5.1 方差和偏差 9.1 模型调参 10.1 深度神经网络架构 11.1 迁移学习
1.2 数据获取 2.2 数据清理 3.2 简单也最常用的决策树 4.2 过拟合和欠拟合 5.2 Bagging 9.2 超参数优化 11.2 NLP中的微调
1.3 网页数据抓取 2.3 数据变换 3.3 简单也最常用的线性模型 4.3 模型验证 5.3 Boosting 9.3 网格架构搜索
1.4 数据标注 2.4 特征工程 3.4 随机梯度下降
5.4 Stacking

2.5 数据科学家的日常 3.5 多层感知机
3.6 卷积神经网络
3.7 循环神经网络