我是黃海廣，我上的一門課叫《機(jī)器學(xué)習(xí)》，本科生學(xué)機(jī)器學(xué)習(xí)有點(diǎn)難，但也不是沒有可能，我在摸索中，設(shè)計(jì)適合本科生的機(jī)器學(xué)習(xí)課程，寫了教材，錄了視頻，做了課件。我有科普文章寫作經(jīng)驗(yàn)，知道初學(xué)者需要什么，因此，上這門課還是相當(dāng)?shù)眯膽?yīng)手。
課程登陸了中國(guó)大學(xué)慕課，將在9月6日10點(diǎn)開課了。

課程介紹

Machine Learning(機(jī)器學(xué)習(xí))是人工智能的核心，本課程用通俗和結(jié)合案例的方式，講解機(jī)器學(xué)習(xí)算法，如經(jīng)典算法：線性回歸、邏輯回歸、決策樹等，也將講解近幾年才出現(xiàn)的如XGBoost、LightGBM等集成學(xué)習(xí)算法。此外，這門課還會(huì)講解利用機(jī)器學(xué)習(xí)解決問(wèn)題的實(shí)用技術(shù)，還包括Python、Scikit-learn工具的使用等等。

通過(guò)本課程，你不僅得到理論基礎(chǔ)的學(xué)習(xí)，而且獲得那些利用機(jī)器學(xué)習(xí)解決問(wèn)題的實(shí)用技術(shù)，包括機(jī)器學(xué)習(xí)工具的使用等等。

與國(guó)內(nèi)外很多非常優(yōu)秀的機(jī)器學(xué)習(xí)課程或作品相比（如吳恩達(dá)機(jī)器學(xué)習(xí)課程、李航老師的統(tǒng)計(jì)學(xué)習(xí)方法、周志華老師的《機(jī)器學(xué)習(xí)》等），本課程對(duì)初學(xué)者來(lái)說(shuō)，更加容易理解，本課程屬于“雪中送炭”，而不是“錦上添花”，更適合初學(xué)者學(xué)習(xí)，主要解決初學(xué)者的三個(gè)問(wèn)題：

• 就是資料太多，難以取舍；

• 理論性強(qiáng)，初學(xué)比較困難；

• 代碼資料比較少。

課程門檻較低，只要有本科三年級(jí)以上的數(shù)學(xué)知識(shí)，會(huì)一種編程語(yǔ)言，就可以掌握這門課程的絕大部分內(nèi)容。

課程鏈接：
https://www.icourse163.org/course/WZU-1464096179?tid=1464959450?

課程資源公布在Github：

https://github.com/fengdu78/WZU-machine-learning-course

課程主講

• 黃海廣，博士，副教授，碩士生導(dǎo)師，善于指導(dǎo)初學(xué)者入門，曾經(jīng)翻譯過(guò)吳恩達(dá)機(jī)器學(xué)習(xí)課程，整理過(guò)機(jī)器學(xué)習(xí)、深度學(xué)習(xí)筆記等等。

• 張笑欽，博士，教授，博士生導(dǎo)師。

• 徐震，博士，講師。

授課目標(biāo)

1、掌握機(jī)器學(xué)習(xí)的基本問(wèn)題定義、基本模型，對(duì)機(jī)器學(xué)習(xí)學(xué)科有概覽性的認(rèn)識(shí)。

2、掌握目前主流的機(jī)器學(xué)習(xí)算法和模型，并能夠根據(jù)實(shí)際問(wèn)題的需要選擇并實(shí)現(xiàn)相應(yīng)的算法。

3、編程完成機(jī)器學(xué)習(xí)典型應(yīng)用實(shí)例，對(duì)機(jī)器學(xué)習(xí)工程編程有初步的訓(xùn)練。

課程大綱

01 引言

1.1 機(jī)器學(xué)習(xí)概述

1.2 機(jī)器學(xué)習(xí)的類型

1.3 機(jī)器學(xué)習(xí)的背景知識(shí)

1.4 機(jī)器學(xué)習(xí)的開發(fā)流程

02 回歸

2.1 線性回歸

2.2 梯度下降

2.3 正則化

2.4 回歸的評(píng)價(jià)指標(biāo)

03 邏輯回歸

3.1 分類問(wèn)題

3.2 Sigmoid函數(shù)

3.3 邏輯回歸求解

3.4 邏輯回歸的代碼實(shí)現(xiàn)

04 ?樸素貝葉斯

4.1 貝葉斯方法

4.2 樸素貝葉斯原理

4.3 樸素貝葉斯案例

4.4 樸素貝葉斯代碼實(shí)現(xiàn)

05 機(jī)器學(xué)習(xí)實(shí)踐

5.1 數(shù)據(jù)集劃分

5.2 評(píng)價(jià)指標(biāo)

5.3 正則化、偏差和方差

06 KNN算法

6.1 距離度量

6.2 KNN算法

6.3 KD樹劃分

6.4 KD樹搜索

07 決策樹

7.1 決策樹原理

7.2 ID3算法

7.3 C4.5算法

7.4 CART算法

08 集成學(xué)習(xí)

8.1 集成學(xué)習(xí)方法概述

8.2 AdaBoost和GBDT算法

8.3 XGBoost算法

8.4 LightGBM算法

09 支持向量機(jī)

9.1 支持向量機(jī)概述

9.2 線性可分支持向量機(jī)

9.3 線性支持向量機(jī)

9.4 線性不可分支持向量機(jī)

10 人工神經(jīng)網(wǎng)絡(luò)

10.1 人工神經(jīng)網(wǎng)絡(luò)概述

10.2 感知機(jī)算法

10.3 反向傳播算法(BP算法)

11聚類

11.1 無(wú)監(jiān)督學(xué)習(xí)概述

11.2 K-means聚類

11.3 密度聚類和層次聚類

11.4 聚類的評(píng)價(jià)指標(biāo)

12 降維

12.1 降維概述

12.2 SVD(奇異值分解)

12.3 PCA(主成分分析)

13 關(guān)聯(lián)規(guī)則

13.1 關(guān)聯(lián)規(guī)則概述

13.2 Apriori 算法

13.3 FP-Growth算法

14 機(jī)器學(xué)習(xí)項(xiàng)目流程

14.1 機(jī)器學(xué)習(xí)項(xiàng)目流程概述

14.2 數(shù)據(jù)清洗

14.3 特征工程

14.4 數(shù)據(jù)建模?

課程大綱可能會(huì)有小范圍調(diào)整。

課程每個(gè)單元會(huì)有20道題目的測(cè)驗(yàn)，課程相關(guān)資料已經(jīng)公布在Github。

預(yù)備知識(shí)

數(shù)學(xué)基礎(chǔ)：主要包括高等數(shù)學(xué)、線性代數(shù)、概率論與數(shù)理統(tǒng)計(jì)。最低要求：大三上學(xué)期的數(shù)學(xué)水平。

編程基礎(chǔ)：已經(jīng)掌握一種編程工具，最好會(huì)使用Python進(jìn)行簡(jiǎn)單地編程。

課程定位

基礎(chǔ)入門課，適合大三以上的本科生，或者初學(xué)機(jī)器學(xué)習(xí)的碩士生，博士生，也適合對(duì)機(jī)器學(xué)習(xí)感興趣的畢業(yè)生。
與其他優(yōu)秀的機(jī)器學(xué)習(xí)課程相比，本課程內(nèi)容相對(duì)簡(jiǎn)單易懂，資料全面，課程團(tuán)隊(duì)堅(jiān)信：讓地方性本科院校的學(xué)生也能入門機(jī)器學(xué)習(xí)。

課程資料

1.如果是在校老師，請(qǐng)告知我們學(xué)校和姓名，我可以發(fā)原版ppt文件，請(qǐng)用edu郵箱聯(lián)系我：haiguang2000@wzu.edu.cn

2.其他讀者可以直接在github下載，地址：

https://github.com/fengdu78/WZU-machine-learning-course

或者可以直接在百度云下載課件的pdf版本，地址：

鏈接:

https://pan.baidu.com/s/1AW7P8dZfGMBgveBygmJlqg?

提取碼:6r80 復(fù)制這段內(nèi)容后打開百度網(wǎng)盤手機(jī)App，操作更方便哦

為什么只給老師發(fā)原版課件？

我希望他們能在我的課件基礎(chǔ)上修改完善，這樣他們可以更好地把機(jī)器學(xué)習(xí)課程上好。其他讀者下載的是pdf版本，Pdf版本的課件和原版ppt文件一致，在學(xué)習(xí)上沒有區(qū)別，因?yàn)楣_了，還是擔(dān)心有些機(jī)構(gòu)拿到原版文件用于商業(yè)用途（如收費(fèi)培訓(xùn)），見諒！

部分課件截圖

課程報(bào)名

課程在中國(guó)大學(xué)慕課開課，這個(gè)平臺(tái)是免費(fèi)的。

課程開課時(shí)間：2021年9月6日10點(diǎn)

課程地址：

https://www.icourse163.org/course/WZU-1464096179?tid=1464959450?

點(diǎn)擊下方『閱讀原文』立即報(bào)名。

總結(jié)

以上是生活随笔為你收集整理的等了一个月，我主讲的课程《机器学习》在中国大学慕课开课了！的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。