Machine Learning（機器學習）是研究計算機怎樣模擬或實現人類的學習行為，以獲取新的知識或技能，重新組織已有的知識結構使之不斷改善自身的性能。它是人工智能的核心，是使計算機具有智能的根本途徑，其應用遍及人工智能的各個領域，它主要使用歸納、綜合而不是演繹。在過去的十年中，機器學習幫助我們自動駕駛汽車，有效的語音識別，有效的網絡搜索，并極大地提高了人類基因組的認識。機器學習是當今非常普遍，你可能會使用這一天幾十倍而不自知。很多研究者也認為這是最好的人工智能的取得方式。在本課中，您將學習最有效的機器學習技術，并獲得實踐，讓它們為自己的工作。更重要的是，你會不僅得到理論基礎的學習，而且獲得那些需要快速和強大的應用技術解決問題的實用技術。最后，你會學到一些硅谷利用機器學習和人工智能的最佳實踐創新。

　　本課程提供了一個廣泛的介紹機器學習、數據挖掘、統計模式識別的課程。主題包括：

　　（一）監督學習（參數/非參數算法，支持向量機，核函數，神經網絡）。

　　（二）無監督學習（聚類，降維，推薦系統，深入學習推薦）。

　　（三）在機器學習的最佳實踐（偏差/方差理論；在機器學習和人工智能創新過程）。本課程還將使用大量的案例研究，您還將學習如何運用學習算法構建智能機器人（感知，控制），文本的理解（Web 搜索，反垃圾郵件），計算機視覺，醫療信息，音頻，數據挖掘，和其他領域。

　　第一個視頻主要講了什么是機器學習，機器學習能做些什么事情。機器學習是目前信息技術中最激動人心的方向之一。在這門課中，你將學習到這門技術的前沿，并可以自己實現學習機器學習的算法。你或許每天都在不知不覺中使用了機器學習的算法每次，你打開谷歌、必應搜索到你需要的內容，正是因為他們有良好的學習算法。谷歌和微軟實現了學習算法來排行網頁每次，你用 Facebook 或蘋果的圖片分類程序他能認出你朋友的照片，這也是機器學習。每次您閱讀您的電子郵件垃圾郵件篩選器，可以幫你過濾大量的垃圾郵件這也是一種學習算法。對我來說，我感到激動的原因之一是有一天做出一個和人類一樣聰明的機器。實現這個想法任重而道遠，許多 AI 研究者認為，實現這個目標最好的方法是通過讓機器試著模仿人的大腦學習我會在這門課中介紹一點這方面的內容。在這門課中，你還講學習到關于機器學習的前沿狀況。但事實上只了解算法、數學并不能解決你關心的實際的問題。所以，我們將花大量的時間做練習，從而你自己能實現每個這些算法，從而了解內部機理。那么，為什么機器學習如此受歡迎呢？原因是，機器學習不只是用于人工智能領域。我們創造智能的機器，有很多基礎的知識。比如，我們可以讓機器找到 A 與 B 之間的最短路徑，但我們仍然不知道怎么讓機器做更有趣的事情，如 web 搜索、照片標記、反垃圾郵件。我們發現，唯一方法是讓機器自己學習怎么來解決問題。所以，機器學習已經成為計算機的一個能力。現在它涉及到各個行業和基礎科學中。我從事于機器學習，但我每個星期都跟直升機飛行員、生物學家、很多計算機系統程序員交流（我在斯坦福大學的同事同時也是這樣）和平均每個星期會從硅谷收到兩、三個電子郵件，這些聯系我的人都對將學習算法應用于他們自己的問題感興趣。這表明機器學習涉及的問題非常廣泛。有機器人、計算生物學、硅谷中大量的問題都收到機器學習的影響。