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

XuetangX

机器学习

Southwestern University of Finance and Economics via XuetangX

Overview

本课程主要内容包括:机器学习理论基础知识介绍,监督学习中的常见模型如线性模型、支持向量机、朴素贝叶斯、决策树,集成学习思想及相关方法,以及无监督学习中的聚类模型等。

课程主要特色体现在:

本课程的教学本着理论与实践相结合的原则,深入浅出,突出重点,在重视基础理论的同时,注重培养学生独立思考和动手实践能力。1)在内容设计上,以示例入手,逐步推进,详尽剖析算法思想与基本原理;2)在实施方法上,采取启发式教学方法,在简要介绍算法思想和流程的基础上,引导学生自行运行并分析实现代码;3)在教学手段上,结合板书、多媒体、网络资源等多种传授方法,提高学生兴趣;4)在实验教学上,促进学生对讲授知识的理解,开拓眼界,提升动手实践能力。课程主讲团队在机器学习的各个应用领域具有深厚的研究背景与实践经验,具备成熟的教学手段和丰富的教学经验。


Syllabus

  • 第1章 引言
    • 1.1 学习导言
    • 1.2 引子
    • 1.3 数据时代与数据科学
    • 1.4 人工智能
    • 1.5 大数据技术
    • 1.6 相关资源
  • 第2章 机器学习理论基础
    • 2.1 机器学习模型分类
    • 2.2 模型评估和选择
    • 2.3 监督学习常见应用问题
  • 第3章 线性模型
    • 3.1 线性模型
  • 第4章 支持向量机
    • 4.1 间隔和间隔最大化
    • 4.2 线性可分支持向量机
    • 4.3 软间隔最大化和线性支持向量机
    • 4.4 核支持向量机
    • 4.5 支持向量机对比总结
  • 第5章 朴素贝叶斯
    • 5.1 朴素贝叶斯
  • 第6章 决策树
    • 6.1 什么是决策树
    • 6.2 分类与回归树CART
    • 6.3 小结
    • 6.4 实验:鸢尾花分类
  • 第7章 集成学习
    • 7.1 集成学习
  • 第8章 聚类
    • 8.1 无监督学习方法-聚类
    • 8.2 DBSCAN聚类算法
  • 期末讨论
    • 期末考试

      Taught by

      Qiao Liang, Yanyong Huang, Shanghong Xie, Jia Zhang, and Deng Wei

      Tags

      Reviews

      Start your review of 机器学习

      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.