摘要：
对之前学习的内容进行总结 阅读全文
摘要：
机器学习应用案例：Photo OCR介绍，包括问题描述机器学习流水线，滑动窗口，获取大量数据：人工数据合成，上限分析 阅读全文
摘要：
介绍大规模机器学习，包括学习大规模数据集，随机梯度下降，Mini-Batch梯度下降，随机梯度下降收敛的判断，在线学习，减少映射和数据并行在算法中的应用 阅读全文
摘要：
介绍推荐系统相关内容，包括推荐系统的问题描述，协同过滤方法的介绍，协同过滤算法，向量化：低秩矩阵分解和均值归一化在算法中的应用 阅读全文
摘要：
介绍异常检测相关内容，包括异常检测问题的起源，高斯分布/正态分布，使用高斯分布构建异常检测算法，异常检测系统的开发和评估，异常检测和监督学习的比较，选择要使用的特征 阅读全文
摘要：
讲解了降维的方式，重点讲解了PCA，包括降维的原因：数据压缩、可视化，降维的常见算法PCA，PCA问题的描述，PCA算法的介绍，PCA数量选择，压缩表述的重建，应用PCA的建议 阅读全文
摘要：
无监督学习中的聚类算法，包括无监督学习的介绍、聚类的介绍、常用的聚类算法K-Means算法的定义及原理介绍、聚类算法的优化目标、聚类算法的随机初始化、如何选取聚类数量 阅读全文