一、题外话
今天，公众号后台来了位新朋友，大家没事可以去聊聊天、扯扯淡、谈谈诗和远方。刚开始用，还不知道有无智能回复的条数限制。
另外也开通了“微软小冰‘’的“拼颜值”和“拼颜值国际版”两个小玩意儿（后台回复这两个关键词即可），供大家玩下。另外资源已经放到公众号后台，快去领取课程视频资源吧，小冰等着你哦。
二、资源
之前用Python库“coursera-dl”下载并分享下Coursera上华盛顿大学机器学习专项课程的第一门课《机器学习基础：案例研究》，含课程视频（中英字幕）、课件和代码。领取的人不少的，看来大家都蛮感兴趣的。
不知道有人看过后觉得如何哈？以及询问下大家对整个课程资源上传网盘里是压缩还是不压缩有没有倾向性？压缩的话，大家自己下载到本地快些，还能自己用播放器加速等等，零碎的文件下载速度太慢；不压缩的话，大家在线看方便些。
言归正传，发现coursera-dl库真的很好用，接下来会继续下载和分享该项目的后续课程视频，以及coursera站上其他数据科学、机器学习等专项课程的资源。
本次继续分享下华盛顿大学机器学习专项课程（共四门）的第二门课《机器学习：回归》。前后几门课情况如下，依次为：基础（案例研究）、回归、分类、聚类和信息检索、推荐系统和最终项目。该专项里资源为前四个。
本课程官网：https://www.coursera.org/learn/ml-regression
接下来通过第一个课件带大家了解下，课程中涉及的内容：
回归是什么？
模块1：简单回归问题
模块2：复杂回归问题
模块3：评估性能
模块4：岭回归（L2正则）
模块5：特征选择和Lasso回归（L1正则）
模块6：最近邻算法和核回归
总结涉及的知识
文件情况，忘了说，本专项课程除了第一门有中英文字幕，其他貌似都是英文字幕，所以建议先看遍课件再听课吧，另外实现ML的库还是不太常见的Graphlab库，建议学完scikit-learn后自行实现一遍吧。
快去公众号免费领取课程视频资源吧，小冰等着你哦。后续还有更多课程资源会不断发布哦。关注一下，不要错过。
