《機器學習導論》和《統計機器學習》學習資料：張志華教授

   張志華教授的兩門機器學習公開課是很好的機器學習資源。但在上海交大的公開課視訊網站上掛出的教學視訊順序有點亂。對於初學者來說，如果沒看對順序的話，會覺得講得很亂，從而錯過這麼優質的資源。事實上板書很完整，有電子版講義可下載。只是講義上有個別地方有點筆誤，但不影響理解。能用黑板直接推導的老師的邏輯和思路都是很清晰的！
《機器學習導論》：http://ocw.sjtu.edu.cn/G2S/OCW/cn/CourseDetails.htm?Id=397
課程講義：http://share.weiyun.com/9b56eb04645174798ff938cdb22144bf
01. 基本概念
02. 隨機向量
03. 隨機向量的性質
04. 條件期望
05. 多元高斯分佈
06. 分佈的性質
07. 多元高斯分佈及其運用
08. 多項式分佈
09. 漸進性質
10. 核定義
11. 正定核性質
12. 正定核應用
13. 主元分析
14. 主座標分析
15.  核主元分析
16. 概率PCA
17. 最大似然估計方法
18. 期望最大演算法
19. EM演算法的收斂性
20. MDS方法
21. MDS中加點方法
22. T矩陣正規化
23. 次導數
24. 矩陣次導數
25. Matrix_Completion
26. K_means algorithm
27. spectral clustering
28. 譜聚類1
29. 譜聚類2
30. Fisher判別分析
31. Fisher Discriminant Analysis
32. computational Methods1
33. computational Methods2
34. Kernel FDA
35. Linear classification1
36. Linear classification2
37. Naive Bayes 方法
38. Support Vector Machinese1
39. Support Vector Machinese2
40. SVM 
41. Boosting1
42. Boosting2

《統計機器學習》：http://ocw.sjtu.edu.cn/G2S/OCW/cn/CourseDetails.htm?Id=398 
課程講義：（周大神的個人網頁http://bcmi.sjtu.edu.cn/log/courses/ml_2014_spring_acm.html 暫時無法開啟，之前下載的列印後就刪了，只能等過幾天再補了）
01. 概率基礎
02. 隨機變數1
03. 隨機變數2
04. 高斯分佈
05. 連續分佈
06. 例子
07. scale mixture pisribarin
08. jeffrey prior
09. statistic interence
10. Laplace 變換
11. 多元分佈定義
12. 概率變換
13. jacobian
14. wedge production
15. 統計量
16. 多元正態分佈
17. Wishart 分佈
18. 矩陣元Beta分佈
19. 統計量 充分統計量
20. 指數值分佈
21. 共軛先驗性質
22. Entropy
23. KL distance
24. properties
25. 概率不等式1
26. 概率不等式2
27. 概率不等式1
28. 概率不等式2
29. 概率不等式3
30. 概率不等式
31. 隨機投影
32. John引理
33. Stochastic Convergence-概念
34. Stochastic Convergence-性質
35. Stochastic Convergence-應用
36. EM演算法1
37. EM演算法
38. EM演算法3
39. Markov Chain Monte carlo1
40. Markov Chain Monte carlo2
41. Bayesian Classification