机器学习进阶路上不可错过的 28 个视频
視頻觀看建議
我將視頻分為三類：機器學習、神經網絡、深度學習。為方便起見，你可以使用我創建的列表按順序學習。特別推薦初學者根據順序學習，以更好地理解視頻。
這套參考視頻集需要時間消化，若覺得視頻太多請根據需要調節每次的學習時長。視頻長度從幾分鐘到幾小時不等。我已寫出每個視頻的摘要，供讀者查閱。
一、機器學習相關視頻
1. 機器人和人工智能的未來(斯坦福大學，吳恩達)
原標題：The Future of Robotics and Artificial Intelligence
鏈接：https://www.youtube.com/watch?v=AY4ajbu_G3k&feature=youtu.be
時長：16 分鐘 26 秒
總結：開啟機器學習之旅最好的方法就是，莫過于聽全世界最好的老師和專家講課。斯坦福大學 的吳恩達在此講述了自己幼時的夢想，創造一個可以像人類一樣思考和工作的機器人，并改善千萬人的生活。另外，他還探討了人類大腦和使機器行為更類人的軟件之間的相似性。
2. 吳恩達機器學習講座系列
原標題：Lecture Collection | Machine Learning(Stanford)
鏈接：https://www.youtube.com/playlist?list=PLA89DCFA6ADACE599
時長：每課大約一個小時
總結：這是斯坦福大學吳恩達教授的斯坦福大學里所有機器學習課程列表。我從中受益良多，個人認為該課程比 Coursera 上的課程還要精彩。
視頻中包含的機器學習概念有，線性/對數回歸，監督學習和非監督學習，學習理論，強化學習和自適應控制等。他還討論了以下技術，包括樸素貝葉斯、神經網絡、支持向量機(SVM)、貝葉斯統計、正則化(Regularization)、聚類(Clustering)、主成分分析(PCA)、獨立成分分析(ICA)。其中還涉及了機器學習近期的應用，如機械控制、數據挖掘、自主導航、生物信息學、語音識別、文本和網絡數據處理等。
如果你是個對這項技術還沒有清晰概念的小白，希望選擇透徹清晰的介紹性視頻，可以選擇這個視頻開始學習。
3. 從數據中學習 – Caltech
原標題：Learning from Data – Caltech
鏈接：https://www.youtube.com/playlist?list=PLD63A284B7615313A
時長：每課大約一個半小時
總結：這是 Caltech(加州理工大學)的機器學習課程，其中共含 18 個視頻。Yaser Abu-Mostafa 教授詳細論述了機器學習的各種概念和技術。其中涉及了大量的數學知識和機器學習背后的理論，還附有一些有難度的編程練習。本課程將理論與實踐相結合，從數學和啟發式的角度進行講解，每節視頻之間像講故事一樣承前啟后。我推薦學習者完成課程作業。
4.使用?Python，通過聲音編碼
原標題：Using Python to Code by Voice
鏈接：https://www.youtube.com/watch?v=8SkdfdXWYaI
時長：28 分16 秒
總結：Tavis Rudd 在這段精彩視頻中說，他曾花費兩年時間研發出這個用聲音識別進行編碼的特性，這個特性非常出色。他用 Python 和 Emacs Lisp 進行了大量的詞匯調整(vocab tweaking)和管道膠帶編碼(duct-tape coding)，進而打造了一個編碼速度更快的系統。他進行了現場展示，根據他的聲音，該系統幾秒鐘內就能執行操作，而正常情況下這需要耗時幾個小時。
5.使用 Python 做基于云的機器學習
原標題：Python-Powered Machine Learning in the Cloud
鏈接：https://www.youtube.com/watch?v=dHP7qo2xyX0
時長：18 分
總結：Stephen Hoover 在該視頻中講到，他任職的公司 Civis Analytics 有個用 Python 構建的基于云的數據科學平臺，該平臺可用來分析數據，可以幫助分析師很輕易地大步提高工作效率。他還講述了該平臺機器學習的多個方面，以及在Python 中有助于數據分析的一些開源庫，比如 Pandas，NumPy ，Scikit-Learn。
如果你已經堅持到了現在，我表示祝賀!完成下一個視頻，就可以探索后面的神經網絡和深度學習了。如果你小時候也是個馬里奧迷，那你肯定會更對下面這個視頻感興趣的!
6. MarI/O ，完視頻游戲的機器學習
原標題：MarI/O – Machine Learning for Video Games
鏈接：https://www.youtube.com/watch?v=qv6UVOQ0F44
時長：6 分
總結：視頻展示了一個叫做 MarI/O 的計算機程序學習玩超級馬里奧游戲的過程。該程序由神經網絡和遺傳算法構建而成。從視頻中可以看到，與人腦相比該程序真正地發生了生物演進。這個程序是機器學習應用中一個很出色的案例，展現了在各種人類活動中機器學習廣泛的可用性。
二、神經網絡相關視頻
1.神經網絡入門指導
原標題：Getting started with Neural Networks
鏈接：https://www.youtube.com/playlist?list=PL6Xpj9I5qXYEcOhn7TqghAJ6NAPrNmUBH
時長：每個大約 8 分鐘
總結：這個播放列表叫做神經網絡課程(Neural Network Class)。其中包括神經網絡中從基礎到進階的各種概念，包括人工神經元，激活函數，遞歸網絡訓練等。視頻內容簡短而節奏明快，每個視頻最長不超過24分鐘。我推薦所有開始學習神經網絡的人觀看該課程。
2.神經網絡訓練第一部分：訓練過程
原標題：Neural Network Training Part 1: The Training Process
鏈接：https://www.youtube.com/watch?v=CVJOseIJnww
時長：12 分 40 秒
總結：該系列視頻講述了如何訓練一個神經網絡，即神經網絡訓練。視頻中可以非常簡便地預覽整個訓練課程。在 YouTube 點擊該視頻上的「Up Next 」 可以看到后續視頻，比如神經網絡誤差計算，梯度計算等課程。
3. 人工神經網絡簡介
原標題：Introduction to Artificial Neural Networks
鏈接：https://www.youtube.com/watch?v=xbYgKoG4x2g
時長：54分
總結：印度理工學院的 S. Sengupta 教授說，人工神經網絡運用了非線性，這有助于輸入輸出映射的過程。他使用紙和筆，以最簡潔的方式完美地闡釋了人工神經網絡的概念，理解起來非常容易。視頻最后他簡單講解了人工神經網絡的應用情況。不要忘記點擊「Up Next 」觀看后續視頻。
4.Matt Zeiler：深度神經網絡的可視化與理解
原標題：Visualizing and Understanding Deep Neural Networks by Matt Zeiler
鏈接：https://www.youtube.com/watch?v=ghEmQSxT6tw
時長：47 分40 秒
總結：卷積神經網絡常用來識別物體、圖像和視頻。在這個 47 分鐘的視頻中，你會了解反卷積神經網絡的概念，以及講者對卷積網絡中結構選擇的看法。可視化的作用就是展示每一層網絡性能信息，以使整個網絡性能提高。
5. 下一代神經網絡
原標題：The Next Generation of Neural Networks
鏈接：https://www.youtube.com/watch?v=AyzOUbkUf3M
時長：1 小時 2 分1 秒
總結：GoogleTechTalks 上，著名的 Geoffery Hinton 做了一番關于神經網絡的豐富演講。該視頻將為你的深度機器學習打下堅實的基礎。你還可以通過視頻了解神經網絡的前世今生。Geoff 提到的話題包括反向傳播(BP)、數字識別、受限玻爾茲曼機等相關內容。
6.神經 Bots——進化的人工智能
原標題：Neural Bots – Evolving Artificial Intelligence
鏈接：https://www.youtube.com/watch?v=1iamM0SuPto
時長：4 分 40 秒
總結：該視頻通過設計的「神經 Bots」程序闡釋了使用進化的神經網絡的人工智能，并用一組預定義的指令讓該 Bots 的完整活動進行了可視化，內容非常有趣。
7. 用于口語和翻譯詞的語音識別技術突破
原標題：Speech Recognition Breakthrough for the Spoken, Translated Word
鏈接：https://www.youtube.com/watch?v=Nu-nlQqFCKg
時長：9 分 4 秒
總結：該視頻由 Microsoft Research 上載，是微軟首席研究官 Rick Rashid 一段簡短的演講視頻。Rick Rashid 展示了使用深度神經網絡和翻譯技術(英語口語翻譯成漢語)給語音識別技術帶來的突破，與此同時，語音識別技術的常見錯誤的數量也減少了。
8. 跟細菌學習社交網絡
原標題：Learning from Bacteria about Social Networks
鏈接：https://www.youtube.com/watch?v=yJpi8SnFXHs
時長：1 小時 4 分 3 秒
總結：該視頻中講述了關于學習的非常規話題：向細菌學習信息處理。演講者從基礎智能開始講述，包括認知、感覺、處理等。還展示了重新思考細菌的模式。最后，他認為可以認為細菌中的「化學 Twitter 」促進了細菌對社交網絡的使用。
9. 遺傳算法，學習如何跳過球
原標題：Genetic algorithm. Learning to jump over ball
鏈接：https://www.youtube.com/watch?v=Gl3EjiVlz_4
時長：3 分
總結：視頻的名字很清楚地描述了內容。該視頻展示了一個「基因」學會跳過球的整個過程。
10. 一個知道如何戰斗的遺傳算法!
原標題：A genetic algorithm learns how to fight!
鏈接：https://www.youtube.com/watch?v=u2t77mQmJiY
時長：2 分 15 秒
總結：跟上個視頻一樣，該視頻重點描述了神經網絡廣泛的應用。在該視頻中，一個遺傳算法學會了如何戰斗。這個視頻讓我認識到了神經網絡極強的可塑性，從而提振了我的學習興趣。
三、深度學習相關視頻
1. 用 Python 實現深度學習簡介
原標題：Introduction to Deep Learning with Python
鏈接：https://www.youtube.com/watch?v=S75EdAcXHKk
時長：52 分 40 秒
總結：該視頻講解了如何用 Python 實現深度學習。其從介紹手寫數字識別的一個「激發興趣」的問題開始。還演示了解決基于 60,000 張圖像的數據集問題所用的全部 Python 代碼。 然后講解者重點講解了代碼，確保自己沒有錯過其中任何重要的代碼和算法。
2. 用 Theano 和 OpenDeep 實現深度學習(Markus Beissinger)
原標題：Intro to Deep Learning with Theano and OpenDeep by Markus Beissinger
鏈接：https://www.youtube.com/watch?v=afUvcD3tEoQ&feature=youtu.be
時長：1 小時 9 分 4 秒
總結：要理解深度學習的概念，該視頻是個不錯的開始。演講者 Markus 剛開始先闡釋了深度學習背后的故事，然后快速回顧了線性代數，接著是基本的神經網絡、無監督模型和 RNN-GSN 深度學習模型。后面又闡釋了在 Python 中如何用 Theano 實現簡單的神經網絡。
3. 深度學習：來自大數據的智能
原標題：Deep Learning: Intelligence from Big Data
鏈接：https://www.youtube.com/watch?v=czLI3oLDe8M
時長：1 小時 24 分 6 秒
總結：這段演講介紹了將深度學習和大數據整合起來新概念。深度學習已經開始從大數據技術中獲取重要價值。視頻后半段，谷歌、Facebook 等科技巨頭的研究科學家進行了一次非常有用的討論。該討論涉及到對深度學習和大數據技術的未來發展至關重要的大部分元素。
4. 用于計算機視覺的深度學習(Rob Fergus)
原標題：Deep Learning for Computer Vision (Rob Fergus)
鏈接：https://www.youtube.com/watch?v=qgx57X0fBdA
時長：1 小時 58 分
總結：這是我找到的第一個關于計算機視覺的教程。該教程解釋了各種概念，如空間池化、歸一化、圖像分類等。最后基于一系列有用的圖像展示了各種新奇的應用。
5. 卷積神經網絡
原標題：Convolutional Neural Networks
鏈接：https://www.youtube.com/watch?v=bEUX_56Lojc
時長：50 分 30 秒
總結：牛津大學計算機科學系發布的該教程。目前為止這是已發現的包含卷積網絡內容最多的視頻。演講者探討了在對象識別和語言問題上使用卷積網絡的概念，以及如何設計卷積層和池化層的方法。視頻后半段討論了在 Torch 中構建卷積網絡的流程。
6. 無監督特征學習和深度學習(吳恩達)
原標題：Unsupervised Feature Learning and Deep Learning – Andrew Ng
鏈接：https://www.youtube.com/watch?v=ZmNOAtZIgIk
時長：48 分 20 秒
總結：該視頻主講者為 Coursera 創始人吳恩達。吳先生講述了無監督特征學習和深度學習的發展，而深度學習可以自動將特征數據的特征表征出來。他還描述了無監督特征學習和深度學習背后一些概念，描述了幾個算法，并還展示了一個相關的案例研究。
7. Geoff Hinton：深度學習近期進展
原標題：Geoff Hinton: Recent Developments in Deep Learning
鏈接：https://www.youtube.com/watch?v=VdIURAu1-aU
時長：1 小時 5 分 20 秒
總結：機器學習開創者之一 Geoff Hinton 在視頻中講述了深度學習的最新進展。他強調了各種算法的數學方面，提到各種深度學習應用的成功案例，如對象識別、信息檢索、根據動作捕捉數據建模等。
8. 采訪谷歌人工智能和深度學習 「教父」Geoffrey Hinton
原標題：Interview with Google’s AI and Deep Learning ‘Godfather’ Geoffrey Hinton
鏈接：https://www.youtube.com/watch?v=1Wp3IIpssEc
時長：27分30秒
總結：這是一段 Geoffrey Hinton 接受采訪的音頻。他在其中講述了谷歌如何實現人工智能系統。另外，他還重點說明了人類的學習組件，以及使用神經網絡的機器等。對每個機器學習愛好者來說，這個是一個必聽的講解。
9. 學習表征 ：學習理論下一個挑戰
原標題：Learning Representations: A Challenge for Learning Theory
鏈接：https://www.youtube.com/watch?v=lBUqyn30chk
時長：54 分 31 秒
總結：紐約大學計算機科學系的 Yann LeCun 講述了一些學習理論難以應用的領域，并將其作為業界研究的挑戰提了出來。他提到了各種深度學習的概念，尤其表達了自己對學習表征的興趣;他認為學習表征將成為人工智能機器學習技術的下一步。
10. 深度學習將如何實現無人駕駛
原標題：How Deep Learning Will Enable Self Driving Cars
鏈接：https://youtu.be/2NGnvGS0AtQ
時長：1 小時 5 分 30 秒
總結：該視頻來自 NVIDIA 的深度學習專家 Mike Houston。他提到一個叫做 NVIDIA DIGITS 的深度學習訓練系統，還有能使汽車自動駕駛的 NVIDIA DRIVE PX 平臺。以及他們的團隊在打造無人駕駛汽車和深度學習算法時用到的訓練工具和平臺。
11. 用于決策制定和控制中的深度學習
原標題：Deep Learning for Decision Making and Control
鏈接：https://www.youtube.com/watch?v=EtMyH_--vnU
時長：56 分 2 秒
總結：視頻中，博士后研究員 Sergey Levine 與加州大學伯克利分校的 Pieter Abbeel 教授一起，探討了在決策制定和控制中深度學習的應用。最后 Sergey 重點說明了連續控制任務(Continuous Control Tasks ) 等其他更加廣泛的應用方式，另外還描述了使用監督學習算法解決這些問題的方式。
12. 用于構建智能計算機系統的大規模深度學習
原標題：Large-Scale Deep Learning for Building Intelligent Computer Systems
鏈接：https://youtu.be/4hqb3tdk01k
時長：1 小時 23 秒
總結：谷歌知識部門(Google Knowledge Group )的高級研究員 Jeff Dean 在視頻中講解了使用神經網絡和深度學習構建更智能的計算機系統的方法。他重點討論了計算機系統的能力，如基本的語音和視覺、語言理解和用戶行為預測能力，并說明了這些技術在谷歌的各種產品中的應用情況。
總結
以上是生活随笔為你收集整理的机器学习进阶路上不可错过的 28 个视频的全部內容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： dubbo的监控中心
- 下一篇： git日常提交使用的命令行