PASCAL 项目的视频库（PASCAL 是模式分析、统计建模和计算学习）。

我从来没有发现任何可以接近的东西——无论是视频数量、平均质量还是范围。

项目范围是机器学习；每个视频讲座都用一个或多个标签进行注释，这些标签代表分层主题的量规。对于“数据挖掘”，至少有几个相关标签：

• 数据挖掘

• 文本挖掘

• 语义网

• 网络挖掘

这是最好的部分：除了这些主题类别之外，还有一个正交分类，您可以从左侧面板访问，它与讲座格式有关，例如Lecture、Keynote、Interview，也许是最感兴趣的给你，教程。这是最大的类别之一，包括调查/介绍整个机器学习学科（例如，机器学习简介）的视频，以及有关单个 ML 技术的更高级教程。

一些使用建议：

计算机科学类别可能是开始搜索或浏览您感兴趣的视频的最佳顶级类别（用于数据挖掘）。

每个视频都包含一组幻灯片。我建议在视频期间下载幻灯片集并从本地驱动器访问，这可以节省带宽，而且您可以根据需要用注释对幻灯片进行注释。

当您扫描视频时，请寻找出现在每个视频缩略图左侧下方的实心黄色星星——这些是每个视频的评分。

最后，您可能想尝试以这种方式浏览库：从最高级别开始（所有视频）；然后在左侧面板中，选择Tutorial，向下移动，然后选择Highest Rated，然后选择语言。这些选择只会影响您的结果顺序（视频在浏览器中显示为缩略图的顺序）。

• David Mease 有一个由 Google 为您提供的统计/数据挖掘课程，其中包含完整的视频。它是介绍性的，从我看到的前几个视频看来，它似乎使用 R 和 Excel 来展示想法。

Andrew Ng 的斯坦福大学机器学习课程可在 YouTube、iTunes 和 Stanford Engineering Everywhere 上找到。

卡内基梅隆大学 Tom Mitchell 的机器学习课程有视频讲座。