Class Central is learner-supported. When you buy through links on our site, we may earn an affiliate commission.

XuetangX

机器学习入门

via XuetangX

Overview

本课程为是一门系统、科学、专业的机器学习普及课程。既包含传统的机器学习内容,也包括深度学习的内容。涵盖了机器学习和深度学习的基础理论、算法原理、数据处理技术以及实际案例分析等内容,学生可以全面系统地学习机器学习的各个方面,为日后的学习和工作打下坚实的基础。

1. 属于机器学习入门级的课程,在内容上做到基础全面,各个专业的学生都可以学习,适用范围广。

2. 本课程内容涵盖了最热门的人工智能技术,旨在培养学生的创新思维和实践能力,满足对人工智能感兴趣的学生的学习需求。               

3. 本课程围绕实例讲解,案例丰富,通俗易懂,重难点突出。    

4. 本课程体系包括机器学习及深度学习,知识点全面,讲解细致。

5. 本课程师资力量强大,多名主讲教师与学生团队在首届“智慧中国杯-全国大数据创新应用大赛”中取得Top1%优异成绩,在全国大学生计算机设计大赛中获得国家级二等奖等多个奖项。

6. 本课程已经经过多轮重复教学实践,不断改革与优化,积淀深厚,越发成熟。

 

Syllabus

  • 课程说明
    • 学情调查
    • 学习指南
    • 教学目标
    • 教学大纲
    • 教学日历
  • 第1章 绪论
    • 1.1 绪论
    • 1.2 应用现状
    • 1.3 初识机器学习
    • 1.4 基本术语
    • 第1章作业与讨论
    • 科技与素养
  • 第2章机器学习模型
    • 2.1 经验误差
    • 2.2 评估方法
    • 2.3 比较检验
    • 2.4 偏差方差
    • 第2章 课后作业与讨论
    • 科技与素养
  • 第3章 机器学习关联
    • 3.1 关联的概念和意义
    • 3.2 ALS算法
    • 3.3 FP树算法
    • 第3章 课后作业
    • 科技与素养
  • 第4章 机器学习聚类
    • 4.1 聚类的简介
    • 4.2 相似性度量
    • 4.3 K-means算法
    • 4.4 聚类的应用
    • 第4章 课后作业与讨论
    • 科技与素养
  • 第5章 机器学习回归
    • 5.1 基本形式
    • 5.2 回归的起源
    • 5.3 线性回归原理
    • 5.4 线性回归模型的应用
    • 5.5 模型小结
    • 第5章 课后作业与讨论
    • 科技与素养
  • 第6章机器学习分类
    • 6.1 贝叶斯决策论
    • 6.2 朴素贝叶斯分类器
    • 6.3 朴素贝叶斯的应用
    • 第6章 课后作业与讨论
    • 科技与素养
  • 第7章 机器学习决策
    • 7.1 决策树的简介
    • 7.2 决策树的基本流程和划分
    • 7.3 剪枝
    • 7.4 随机森林简介
    • 第7章 课后作业
    • 科技与素养
  • 第8章 机器学习降维
    • 8.1 降维的概念和意义
    • 8.2 主成分分析
    • 8.3 度量学习
    • 第8章 课后作业与讨论
    • 科技与素养
  • 第9章 感知机与神经网络
    • 9.1 神经元模型
    • 9.2 感知机的工作原理
    • 9.3 感知机的模型
    • 9.4 用感知机构造神经网络
    • 9.5 全连接
    • 9.6 前向传播过程
    • 9.7 反向传播过程
    • 9.8 搭建全神经网络
    • 9.9 神经网络的优化
    • 9.10 全连接神经网络的应用
    • 第9章 课后作业与讨论
    • 科技与素养
  • 第10章 卷积神经网络
    • 10.1 卷积神经网络的结构
    • 10.2 卷积计算
    • 10.3 Padding与池化
    • 10.4 激活函数
    • 10.5 卷积神经网络的参数与连接
    • 10.6 卷积神经网络中从特征到分类
    • 10.7 损失函数
    • 10.8 典型卷积神经网络与案例
    • 第10章 课后作业与讨论
    • 科技与素养
  • 期末考试

    Taught by

    Chengdu Jincheng College

    Reviews

    Start your review of 机器学习入门

    Never Stop Learning.

    Get personalized course recommendations, track subjects and courses with reminders, and more.

    Someone learning on their laptop while sitting on the floor.