學習網站推薦(機器學習與統計學)－晨晰統計部落格新站（統計、SPSS、BIG DATA討論園地）

網路上有許多機器學習的課程與資源，筆者想跟讀者分享兩個個不錯的學習資源，供對機器學習有興趣的讀者可以自主學習。

1.吳恩達老師的機器學習課程

吳恩達在DeepLearning.AI、Google Brain 以及百度都工作過，也帶領團隊在人工智慧這個領域有很大的貢獻，也曾在國際期刊發表大約 100 多篇關於機器學習、機器人技術和其他人工智慧相關學科的研究論文，在學界以及業界都相當具有知名度。吳恩達也是在線教育平台Coursera的聯合創始人，筆者要介紹的就是由吳教授在Coursera上開設的機器學習專項課程，此課程也是DeepLearning.AI跟史丹佛大學共同開發。

此課程共分為三個部分，Supervised Machine Learning: Regression and Classification、Advanced Learning Algorithms、Unsupervised Learning, Recommenders, Reinforcement Learning，學習完這三個部分後，觀眾可以學會利用Python做機器學習的建模（包含分類以及回歸），也會學到在TensorFlow上建立類神經網路的模型，最後會進一步學習到增強式學習的觀念，這幾門課程主要是針對機器學習的初學者而開設，但因為是跟學校合作的線上課程，可能還是會偏向有點學術的角度切入，但不失為一個了解機器學習知識以及實務操作的一個好管道，因為吳教授致力於人工智慧的推廣，有著學界以及業界的背景，因此教學起來會相較於學界背景的老師上的課程，會更扎實一些。

2.Youtube頻道：「StatQuest with Josh Starmer」

此頻道的主要內容，主要是透過淺顯易懂的動畫說明統計學、機器學習、資料科學等艱澀方法學的觀念，如同頻道宗旨「My goal with StatQuest is to break down the major methodologies into easy to understand pieces」，目前頻道主題可分為幾塊，Statistics Fundamentals (統計學的基本觀念)、Linear Regression and Linear Models (線性迴歸以及常見的線性模式)、Logistic Regression (羅吉斯回歸), Machine Learning (機器學習)、High Throughput Sequence Analysis (基因分析)、Statistics in R (使用R跑統計）。

有興趣的讀者可以直接從Youtube的播放清單學習想要的課程，頻道有將影片根據內容做歸類，筆者建議可以看以下兩個清單：一是Statistics Fundamentals，有47部影片，可以快速復習以及掌握統計學的基本觀念，在學習機器學習各式各樣的演算法之前，一些基礎統計的概念需要了解，像是何謂誤差（Bias)，標準差、變異數、標準誤，在機器學習的建模上都會用到，不能不懂，讀者可以在影片當中快速有效率的掌握到重點。

第二個建議的清單則是Machine learning，裡面有84部影片，從介紹何謂機器學習，一直到常見的機器學習模型，像是線性回歸、羅吉斯回歸，到最後還會介紹深度學習，像是類神經網路，在這些影片中，會經常提到一些統計學常用的觀念與名詞，因此會建議先將第一個建議的清單看完，再搭配第二建議清單的內容學習，這樣會比較容易融會貫通，根據筆者學習的經驗，有些機器學習提到比較難的專有名詞，往往只是機器統計的延伸或是同個概念不同名詞。這個頻道筆者之所以會推薦有一個關鍵，就是每支影片長度不會太長，也不會在一支影片講一大堆的觀念，這樣好處是可以讓觀眾可以聚焦，不會迷失在艱深的觀念大海之中。

筆者推薦這兩個學習資源的原因，是因為機器學習的內容往往在網路上是分散的，需要自己去把這些內容彙整起來，但這兩個資源把機器學習的觀念跟實作都整合在一起，非常適合剛踏入機器學習領域的初學者們，初學者可以很輕易地透過這些資源學習到想學的知識，而且這些學習內容都有經過分類，而非零零散散的，使用者也方便了解自己現在在學習哪一個部分，更重要的一點是，因為是透過影片的學習，所以相較於傳統書本上的學習多了一些趣味性，而且不懂的部分可以重複觀看，一部影片的時間沒有很長，不需要花很多時間去觀看，使用者可以運用零碎的時間做學習，而且這些內容又是免費的，因為這些優點，值得推薦給各位讀者。另外，coursera上面的課程上完是可以得到證書的（需要花錢，但可透過申請助學金的方式減免），對於之後踏入職場履歷也有加分的作用。

參考資源: