黃海廣老師的機(jī)器學(xué)習(xí)課程登陸了中國大學(xué)慕課，目前已經(jīng)結(jié)課，第一期有1.1萬人報(bào)名學(xué)習(xí)，第二期將在1月14日10點(diǎn)開課了，現(xiàn)在可以報(bào)名了。

課程地址：

https://www.icourse163.org/course/WZU-1464096179

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)解決問題的實(shí)用技術(shù)，還包括Python、Scikit-learn工具的使用等等。

通過本課程，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)者來說，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

課程資源公布在Github：

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

授課目標(biāo)

1、掌握機(jī)器學(xué)習(xí)的基本問題定義、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 機(jī)器學(xué)習(xí)庫Scikit-learn

6.1 機(jī)器學(xué)習(xí)庫Scikit-learn概述

6.2 機(jī)器學(xué)習(xí)庫Scikit-learn的主要用法

6.3 機(jī)器學(xué)習(xí)庫Scikit-learn的使用案例

07 KNN算法

7.1 距離度量

7.2 KNN算法

7.3 KD樹劃分

7.4 KD樹搜索

08 決策樹

8.1 決策樹原理

8.2 ID3算法

8.3 C4.5算法

8.4 CART算法

09 集成學(xué)習(xí)

9.1 集成學(xué)習(xí)方法概述

9.2 AdaBoost和GBDT算法

9.3 XGBoost算法

9.4 LightGBM算法

9.5?集成學(xué)習(xí)的代碼實(shí)現(xiàn)

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?支持向量機(jī)

11.1 支持向量機(jī)概述

11.2 線性可分支持向量機(jī)

11.3 線性支持向量機(jī)

11.4 線性不可分支持向量機(jī)

11.5 支持向量機(jī)的代碼實(shí)現(xiàn)

12 聚類

12.1 無監(jiān)督學(xué)習(xí)概述

12.2 K-means聚類

12.3 密度聚類和層次聚類

12.4 聚類的評(píng)價(jià)指標(biāo)

13 降維

13.1 降維概述

13.2 SVD(奇異值分解)

13.3 PCA(主成分分析)

14 關(guān)聯(lián)規(guī)則

14.1 關(guān)聯(lián)規(guī)則概述

14.2 Apriori 算法

14.3 FP-Growth算法

15 機(jī)器學(xué)習(xí)項(xiàng)目流程

15.1 機(jī)器學(xué)習(xí)項(xiàng)目流程概述

15.2 數(shù)據(jù)清洗

15.3 特征工程

15.4 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)，還有期末考試，（上一期期末考試內(nèi)容見鏈接）。

課程資源公布在Github：

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

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)。

進(jìn)階用戶建議選擇其中部分內(nèi)容學(xué)習(xí)。

課程答疑

回答下幾個(gè)比較突出的問題：

1.機(jī)器學(xué)習(xí)課程那么多，這門慕課有什么不同之處？

與國內(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)者來說，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。

學(xué)完這門課，機(jī)器學(xué)習(xí)應(yīng)該就入門了，也會(huì)知道進(jìn)一步需要學(xué)習(xí)什么。

2.課程過于簡(jiǎn)單，有些細(xì)節(jié)沒有講清楚。

這個(gè)有兩個(gè)原因：

第一是慕課通常一個(gè)視頻在15分鐘之內(nèi)，所以，有些知識(shí)點(diǎn)不能講太細(xì)，否則會(huì)超時(shí)，因此有所取舍。

第二是課程定位問題，這門課程定位是入門基礎(chǔ)課程，并非進(jìn)階課程，要照顧到廣大初學(xué)者，特別是大三學(xué)生，所以有些知識(shí)點(diǎn)沒有講太詳細(xì)，點(diǎn)到為止，比如支持向量機(jī)一章，如果詳細(xì)講，可能要超過兩個(gè)小時(shí)，但這章的慕課只講了40分鐘。

3.課程太難，聽不懂。

這個(gè)應(yīng)該是基礎(chǔ)太薄弱了，應(yīng)該補(bǔ)下基礎(chǔ)，理論上大三的數(shù)學(xué)水平，學(xué)習(xí)這門課程應(yīng)該毫無難度。

4.語速問題

我錄課的時(shí)候，盡量把語速放慢，這個(gè)是因?yàn)槟秸n的要求，語速不能太快，否則大多數(shù)讀者跟不上進(jìn)度。

5.代碼下載問題

有同學(xué)說，課程的代碼在github難下載，這里，我將所有代碼都上傳到慕課了，可以看慕課每章最后，都提供代碼下載。

6.課程快結(jié)束了，能回放不？

我修改了設(shè)置，課程結(jié)束仍然可以回放，但前提是要報(bào)名這門課。

7.課程的測(cè)試題答案

課程練習(xí)答案，尚不公開，如果有疑問，可以發(fā)郵件haiguang2000@wzu.edu.cn來咨詢個(gè)別問題。

8.教材問題

我寫了一本教材，將要在清華大學(xué)出版社出版，和慕課是完全匹配的，以后可以直接用這本教材。

9.課件問題

課件ppt原版文件，我可以提供給在校老師，只要用edu郵箱發(fā)郵件haiguang2000@wzu.edu.cn，報(bào)上姓名和學(xué)校，我都會(huì)發(fā)送全部原版ppt（目前已經(jīng)發(fā)給690多位老師了）。

其他讀者可以直接在github下載課件的pdf版本，不影響閱讀，地址：

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

或者可以直接在百度云下載，地址：

鏈接:

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

提取碼:6r80?

后續(xù)學(xué)習(xí)

學(xué)完這個(gè)慕課以后，同學(xué)們應(yīng)該會(huì)知道后續(xù)應(yīng)該學(xué)習(xí)什么，機(jī)器學(xué)習(xí)范圍比較大，可以在某方面進(jìn)行深入鉆研。

總之只要數(shù)學(xué)基礎(chǔ)扎實(shí)，代碼能力強(qiáng)，機(jī)器學(xué)習(xí)、深度學(xué)習(xí)，都可以學(xué)得很好！

后續(xù)建議學(xué)習(xí)李航老師的《統(tǒng)計(jì)學(xué)習(xí)方法》，或者周志華老師的《機(jī)器學(xué)習(xí)》（西瓜書）。

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?

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：2022年1月14日10點(diǎn)

課程地址：

https://www.icourse163.org/course/WZU-1464096179

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黄海广老师《机器学习》慕课第二轮1月14日开课了！的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

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。