我們很多人都沒有注意到，其實 YouTube 上面有大量免費的機器學習的指導課程。你無須再等待 MOOC 課程的更新了，可以在 YouTube 上面找到你想要的。去年，我們在 Top YouTube Videos 里面推薦了大量神經網絡、深度學習和機器學習方面的優(yōu)秀視頻，但是很多視頻已經有些過時了，所以這里我們需要更新一下視頻推薦。

（備注：請自備梯子科學上網觀看）

本文可以幫助你發(fā)現新的工具、技術、方法等。你要牢記這句話：對新知識的學習要像生命對于活水的需求一樣迫切，永遠不要停下追趕新知識、新觀點的腳步。

有些讀者會問：這些教程對我有用嗎？

這取決于你是否對該領域感到好奇，是否想要學習一些新的知識，提高你的實踐技巧。

我將這些視頻分成4個部分，我可以保證每個讀者都能從中學習到一些新知識。但是 Python 用戶可能需要學習更多。你會從這些全套課程、專題討論會和簡短的演講中發(fā)現機器學習技術在生活中的使用越來越多了。同時，你也會從課程中學習 Google、Pinterest和TaxiGrab是如何用機器學習來解決現實問題的。

如果你打算觀看這些視頻，最好做一個日程表，不要一天就看完它。因為你的目的不為了看完視頻，而是真正明白視頻的教學內容，這是需要花費一些時間的。我在每個視頻下面提供了一個簡短的總結，能夠幫助你決定是否觀看此視頻。

內容目錄：

1、機器學習新手入門

·如何成為一個數據科學家

·每個程序員都應掌握的重要數據處理技巧

·數據科學大賽的新手指南

·機器學習指南

2、最新的機器學習課程

·統(tǒng)計學機器學習

·滑鐵盧大學機器學習課程

·基于 Python 的機器學習實踐

·Geoff Hinton 的神經網絡課程

3、其他有用的講座

·失衡數據集下的機器學習

·Scikit—learn教程

·前沿技術——深度學習

·Pandas 新手教程

·基于 Python 語言的預測模型

4、企業(yè)機器學習案例

·谷歌

·Pinterest

·Grabtaxi

1、機器學習新手入門

如何在6個月內成為一個數據科學家

視頻時長：56分24秒

視頻鏈接：https://youtu.be/rIofV14c0tc

內容簡介：視頻中，Tetiana Ivanova 分享了她六個月成為數據科學家的真實過程。她是因為參加了編程馬拉松活動而開始學習機器學習技術。如果你正在思考到底應該讀一個數據分析研究生還是選擇自學，你應該觀看本視頻。Tetiana 分享了她提升工作水平的真實經歷，展示了高等教育中的困難和真相。

每個程序員都應掌握的重要數據處理技巧

視頻時長：3小時23分19秒

視頻鏈接：https://youtu.be/rudYHNAGbdk

內容簡介：數據科學家有一些數據挖掘的工具，其中可視化建模是必備的嗎？Andy 在視頻中介紹了在 Python 中每個工程師都應該掌握的重要工具。這些工具不僅簡單易學，而且可以使你的編程結果得到提升。該視頻是 Python 初學者必看視頻。另外，他展示了使用這些工具產生不同結果的方法。你應該按照說明下載這些工具并在觀看視頻時同步練習。

數據科學大賽的新手指南

視頻時長：1小時43分8秒

視頻鏈接：https://youtu.be/ys2usamKyus

內容簡介：我敢保證，每個人都問過自己一個問題：“作為新手，我什么時候可以贏得數據大賽？”其實有一些指導和實踐練習的話，贏得世界級比賽不是沒可能的。該教程可以訓練你使用有效的機器學習方法來解決 Kaggle 比賽中的問題。視頻中使用的工具有：IPython notebook、SCIkit-learn、Pandas、NLTK。你將會學習到比賽的過程和建模、特征選擇、優(yōu)化問題和驗證方法。

機器學習指南

視頻時長：未知

視頻鏈接：https://youtu.be/Gj0iyo265bc?list=PLOU2XLYxmsIIuiBfYad6rFYQU_jL2ryal

內容簡介：這個谷歌今年發(fā)布的7篇機器學習指南視頻是我見過的最易學的機器學習技術介紹。這些簡短的教程（每個都在10分鐘左右）涵蓋了機器學習的重點部分：特征提取、決策樹可視化、分類模型、TensorFlow（第二代深度學習系統(tǒng)）等等。雖然使用的語言是 Python，但是概念性的知識與使用的工具無關。我覺得這些視頻在吃飯的時候觀看也是個不錯的選擇。

2、最新的機器學習課程

統(tǒng)計學機器學習

視頻鏈接：https://youtu.be/zcMnu-3wkWo?list=PLTB9VQq8WiaCBK2XrtYn5t9uuPdsNm7YE

內容簡介：本課程是卡耐基梅隆大學2016年春季課程。正如課程名稱所示，課程主題包括回歸、聚類、boosting算法、圖模型、最小化理論等等。本課程適合有一定統(tǒng)計學和概率論基礎的同學學習。該課程是一個核心數學課程。因此，你需要有對數學公式的適應性。另外，課程中還有一些作業(yè)能幫助你理解概念。

滑鐵盧大學的機器學習課程

視頻鏈接：https://youtu.be/b5NlRg8SjZg?list=PLFze15KrfxbH8SE4FgOHpMSY1h5HiRLMm

內容簡介：來自滑鐵盧大學的機器學習詳細課程可以指導你學習從最基礎到最前沿的機器學習知識。這是一個概念型課程，主要教授機器學習算法的相關數學知識。該課程由幾位教授聯合教學，其中包括《了解機器學習》書作者 Shai Ben David。本課程主題包括線性回歸、貝葉斯定理、決策樹、聚類分析、神經網絡、集成算法、隱含馬爾可夫模型等等。視頻最開始的8分鐘是課程簡介，可直接跳過。

基于 Python 的機器學習實踐

視頻鏈接：https://youtu.be/OGxgnH8y2NM?list=PLQVvvaa0QuDfKTOs3Keq_kaG2P55YRn5v

內容簡介：Python 語言在機器學習領域得到廣泛認可。通過其龐大的資料庫和活躍的用戶社區(qū)，學生們可以自學 Python 語言。如果你使用 Python 語言編程，本課程可以提高你在 Python 語言下的機器學習實踐能力。如果你順著我的課程順序學習，在前面的課程中學習過理論概念后，你將在該課程中學習如何應用理論。這57個視頻課程包含了所有機器學習算法的重點內容。

機器學習的神經網絡課程

視頻鏈接：https://youtu.be/cbeTc-Urqak?list=PLoRl3Ht4JOcdU872GhiYWf6jwrk_SNhz9

內容簡介：深度學習是人工智能的一個子領域，在眾多科學家的努力下，該領域取得了巨大的進步，其中最具盛名的就是 Geoffery Hinton。跟大師學習本身就是一種幸事，不是嗎？這個神經網絡課程就是大師在多倫多大學教授的。課程設計從神經網絡的最基礎內容逐漸上升到前沿問題。課程包括感知器、反向傳播、卷積神經網絡、循環(huán)神經網絡、梯度下降等等細節(jié)內容。這絕對是深度學習、機器學習愛好者們不可錯過的一個學習視頻。

3、其他有用的講座

失衡數據集下的機器學習

視頻時長：27分44秒

視頻鏈接：https://youtu.be/X9MZtvvQDR4

內容簡介：在數據向某一方向發(fā)生偏態(tài)分布時，分類算法的效果會變得很差。這個問題在現實生活中解決反欺詐、癌癥檢測和醫(yī)學診斷時非常重要。解決問題的方法有很多，比如重采樣、一分類學習、代價敏感性學習等。本課程將向你介紹解決反欺詐中失衡數據的不同處理方法。講座人Natalie 還分享了一些自己在處理大量失衡問題時得到的實踐經驗。

使用Scikit—learn進行機器學習教程

視頻時長：3小時3分54秒

視頻鏈接：https://youtu.be/OB1reY6IX-o

內容簡介：這個3小時的教學視頻觸及到了廣泛的機器學習算法。演講者 Sebastian Raschka（《Python語言下的機器學習》書作者）使用美觀的交互圖形來解釋復雜的概念問題。我們的大腦對視覺信息的接受能力要好于對文字和聲音的。這個專題研討會是在2016年的SCIPython 大會上進行的。演講者用真實世界的例子講解了有監(jiān)督和無監(jiān)督式的機器學習。

前沿技術——深度學習

視頻時長：1小時30分32秒

視頻鏈接：https://youtu.be/DlNR1MrK4qE

內容簡介：在過去的5年里，圖像分類、圖像分割和目標搜尋領域在深度學習的技術下取得了巨大的進步。本教程將帶領你學習前沿的深度學習概念，重點關注利用 Theano 和 Lasagne進行的計算機視覺和圖像處理。同時，演講者也討論了一些重要的技巧，比如缺乏訓練數據的問題等等。注意：對本視頻中概念的學習需要幾何、代數和機器學習的基本知識。

Pandas 新手入門教程

視頻時長：1小時47分48秒

視頻鏈接：https://youtu.be/LmiAThGNAB4

內容簡介：在所有的 Python 庫中，Pandas 是數據操控任務的最佳選擇。因為其智能的嵌入式功能，總結和操控數據的復雜任務變得非常簡單。本視頻非常適合想要學習 Python 語言的新手。導師在視頻中展示了數據選擇、分類、聚集、plot函數等任務的處理。如果要更好地理解視頻內容，還需要進行同步練習。

基于 Python 語言的預測模型

視頻時長：58分28秒

視頻鏈接：https://youtu.be/Ll6qWDbRTD0

內容簡介：Scikit—learn 庫的創(chuàng)始人之一的 Oliver Grisel 在該視頻討論了高性能的預測模型的建立。在 Python 中，如何處理大規(guī)模的數據集？本視頻為你提供了這個問題的答案。同時，他也在視頻中介紹了一些基于 Python 語言的加速預測模型處理速度的有趣工具。另外，你還能學到一些數據后臺的故事和一些關于數據存儲和分布類型的問題。

4、企業(yè)機器學習案例

機器學習：谷歌視角

視頻時長：44分44秒

視頻鏈接：https://youtu.be/Rnm83GqgqPE

內容簡介：谷歌是如何使用機器學習技術的？大家都在談論這個問題，卻沒有人能像視頻中這個人一樣說得清楚。該視頻講解了谷歌對機器學習和人工智能的使用以及機器學習是如何精簡谷歌最終產品的過程。谷歌在其所有產品中都部署了實用的人工智能，使最終用戶更加貼近技術。從該視頻中，我們可以了解到谷歌在機器學習上的突破和其機器學習項目的新進展。

Pinterest 的機器學習

視頻時長：23分54秒

視頻鏈接：https://youtu.be/mN6MrzL1i78

內容簡介：視頻中，Pinterest 的首席科學家 Jure Leskovec 解釋了Pinterest 是如何使用機器學習的。了解機器學習是如何轉變網絡商業(yè)模式的過程是非常有趣的。視頻中， Jure 解釋了Pinterest 如何使用機器學習來進行不同分類，從而可以影響新用戶的使用體驗、興趣推薦、內容分類、用戶行為預測、貼圖排名和可視化特征等方面。Jure 也分享了他們的工作視角和他們學習的課程內容。我認為通過該視頻來了解機器學習是如何改變我們日常生活是非常有趣的。

GrabTaxi 的機器學習

視頻時長：11分24秒

視頻鏈接：https://youtu.be/XGyEVWTpJ20

內容簡介：從我個人角度來說，我很驚訝于看到機器學習可以從不同程度上解決商業(yè)問題。一個典型的例子就是 GrabTaxi 使用機器學習技術來解決出租車可用性問題。為了解決這個問題， GrabTaxi 使用了一個司機競爭乘客的機制，最快的競買者將競爭到這個乘客。看完這個視頻，你將會明白他們是如何利用機器學習來構建一個司機競買可能性預測模型并且利用現實信息來解決這一問題的。

最后的囑咐：

這些教程意在幫助你熟悉機器學習領域的最新知識。其中大部分視頻都在一個小時以上，所以你最好為觀看這些視頻做一個時間表。因為網絡上相關的信息實在太多，所以你應該找到其中的精華并堅持學習。

via Analytics Vidhya

雷峰網原創(chuàng)文章，未經授權禁止轉載。詳情見轉載須知。