图宾根大学最新《统计机器学习》教程

来源：专知
本文为课程，建议阅读5分钟
我们将介绍许多标准算法，并了解构建良好机器学习算法的一般原理和理论结果。

• 贝叶斯决策理论，没有免费的午餐定理。
• 监督学习问题(回归，分类): 简单基线(最近邻，随机森林);线性方法;正则化; 支持向量机，非线性核方法及其背后的理论
• 无监督学习问题:PCA降维到流形方法从k-means到谱聚类和谱图理论，从MDS到t-SNE的嵌入算法
• 统计学习理论:一致性和泛化界限
• 社会背景下的机器学习:公平、可解释性等
• 低秩矩阵完成，压缩感知
• 排序