本文汇总了16个公开的视频教程，内容包括决策树、朴素贝叶斯、逻辑回归、神经网络和深度学习、估计、贝叶斯学习、支持向量机和核方法、聚类、无监督学习、提升算法、强化学习和学习理论。
1. 课程：《机器学习的数学背景》
2. 课程：《神经网络与机器学习简介》
讲师：Geoffrey E. Hinton
3. 课程：《机器学习（Machine Learning）》
讲师：Ruslan Salakhutdinov
4. 课程：《机器学习和模式识别（Machine Learning and Pattern Recognition）》
讲师：Yann LeCun
5. 课程：《从数据中学习（Learning from Data）》
讲师：Yaser S. Abu-Mostafa
6. 课程：《机器学习（Machine Learning）》
讲师：Kilian Weinberger
7. 课程：《机器学习（Machine Learning）》
讲师：Andrew Ng
8. 课程：《面向机器学习的神经网络（Neural Networks for Machine Learning）》
讲师：Geoffrey Hinton
9. 课程：《机器学习和自适应智能（Machine Learning and Adaptive Intelligence）》
讲师：Neil Lawrence
10. 课程：《神经网络和机器学习的介绍（Intro to Neural Networks and Machine Learning）》
讲师：Roger Grosse
11. 课程：《信息论，模式识别和神经网络（Information Theory, Pattern Recognition, and Neural Networks）》
讲师：David MacKay
12. 课程：《机器学习（Machine Learning）》
讲师：Tom Mitchell and Maria-Florina Balcan
13. 课程：《机器学习（Machine Learning）》
讲师：Michael Littman, Charles Isbell, and Pushkar Kolhe
14. 课程：《机器学习简介（Introduction to Machine Learning）》
讲师：Sargur Srihari
15. 课程：《机器学习——纳米级介绍（Machine Learning - Nano Degree）》
讲师：Arpan Chakraborty, David Joyner, Luis Serrano, Sebastian Thrun, Vincent Vanhoucke, and Katie Malone
16. 课程：《机器学习教程（Tutorial: Machine Learning）》
讲师：Andrew Moore. Dean of School of Computer Science at Carnegie Mellon University.