厌倦了千篇一律的机器学习教学课程怎么办？没有太多时间预算怎么学？
来点不一样的。
现在，两位MIT博士小姐姐搞了一套机器学习入门教程ML Tidbits，以短视频的方式，讲解机器学习中的单个知识点，解释具体的一个问题。
画风是这样的：
也是这样的：
小姐姐席地而坐，如同讲故事般把晦涩的监督学习和无监督学习的区别娓娓道来，10分钟的碎片时间，你也能掌握一个新知识。
这份教程发出才半天，Reddit上的热度达到300，网友赞不绝口，表示很多人在学习机器学习时存在错误观念，这个教程很有意义。
视频×2
这套课程目前更新了2集，小姐姐表示，以后将维持周更的频率。所以现在上车再合适不过了。
现在已经更新的两节课分别是：机器学习的过程和机器学习类型：监督学习和无监督学习。
两节课程都不超过11分钟，但内容很丰富，且从身边的生活出发解释机器学习问题。
在第一节介绍机器学习的课程中，小姐姐从一个具体例子开讲：
假设你想构建一个APP，它能通过识别好友发布的照片判断他们的心情，并能建议你否给她打个电话，或者发送一张开心的照片。
要用机器学习的方法解决这个问题，首先需要定义问题。小姐姐将这个问题定义为一个二进制分类问题，也就是系统能根据图片将朋友的情绪分类为开心或难过。
OK问题明确，那可以开始构建系统就需要进行数据收集过程了。
小姐姐提示，用于模型训练的数据集要特别注意样本多样性及数量，不同肤色地区的人类对情绪的表达不同。
随后，需要从数据集中提取特特征，比如年龄、地区、性别等，并对数据集进行标注。
然后进入训练模型环节，用数据集中的训练集训练，用验证集初步检测效果，然后，用测试集进一步检测效果。
最后，将训练好的模型进行部署，看看实际应用的效果如何吧。这样下来，用机器学习的方法去解决任务的流程也就出来了，无论多么复杂的项目，流程都是下面这样的：
这样听下来，是不是在轻松愉快的漫画风视频中对机器学习过程有了大致的了解。
多样化
视频中的两位小姐姐是这套课程的策划者，亚裔面孔的是Natalie，另一位是Harini，两人MIT的在读博士生。
在项目主页上，小姐姐们自述创办初衷，就是想让大众了解和使用机器学习，让每个人都可以参与到机器学习产品的使用中。
小姐姐表示，虽然机器学习在各个领域中的应用发展迅速，但英国皇家学会的一项调查显示，大多数人对此毫无了解，甚至部分从业人员也对此存在误解。
此外，她们表示目前机器学习的研究人员以白人和男性群体居多，去年的21个国际主流机器学习会议中，只有18%的论文一作是女性，谷歌员工中只有2.5%是黑人。
机器学习的研究和AI系统的构建难道不是需要多样性的公众去参与吗？
小姐姐们觉得，是时候应该做一个不需要技术术语就能向公众解释清楚的课程了，于是这套ML Tidbits就问世了。
所以……每周一更进行时，快上车吧：
传送门
官网地址：
https://mltidbits.github.io/index.html
YouTube视频主页（需科学前往）：
https://www.youtube.com/channel/UCD7qIRMUvUJQzbTXaMaNO2Q
— 完 —
诚挚招聘
量子位正在招募编辑/记者，工作地点在北京中关村。期待有才气、有热情的同学加入我们！相关细节，请在量子位公众号(QbitAI)对话界面，回复“招聘”两个字。
量子位 QbitAI · 头条号签约作者
վ’ᴗ’ ի 追踪AI技术和产品新动态
“
