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

Wuhan University

机器学习

Wuhan University via XuetangX

Overview

Coursera Flash Sale
40% Off Coursera Plus for 3 Months!
Grab it

欢迎来到零基础非计算机专业机器学习启蒙课!本课程专为对机器学习感兴趣但缺乏相关背景知识的非计算机专业学生设计。无论你是文科、理科还是其他领域的学生,只要对数据分析、人工智能有好奇心,都能在这里找到学习的乐趣。

课程将带你逐步探索机器学习的奥秘,从基础概念到实用模型,一一揭晓。我们将详细介绍线性回归、逻辑回归等经典算法,让你理解它们如何预测和分类数据。接着,你会接触到决策树、支持向量机这些强大的工具,学习它们如何挖掘数据中的隐藏规律。

随机森林、K邻近等集成学习方法也将一一呈现,让你领略到集合智慧的力量。此外,我们还将探讨无监督学习、半监督学习和自监督学习等前沿领域,以及生成式学习的神奇之处。

当然,理论结合实践才是学习的真谛。课程中不仅包含通俗易懂的原理讲解,还将穿插基本代码的演示和讲解,让你亲手操作,感受机器学习的魅力。最后,我们还会简要介绍自然语言处理这一热门领域,为你打开通往人工智能新世界的大门。

加入我们,一起踏上机器学习的探险之旅吧!无论你是初学者还是想要转行的职场人士,这里都是你开启机器学习之旅的最佳起点


Syllabus

  • 第一章 机器学习概述
    • 1.1 什么是机器学习
    • 1.2 为什么学习机器学习
    • 1.3 应用示例
    • 1.4 机器学习系统的类型
    • 1.5 机器学习的主要挑战
    • 1.6 测试与验证
  • 第二章 线性回归
    • 2.1 机器学习的应用场景
    • 2.2 机器学习项目实战架构
    • 2.3 销售额回归问题
    • 2.4 通过梯度下降找到最佳参数
    • 2.5 实现一元线性回归模型并调试超参数
    • 2.6 实现多元线性回归模型
  • 第三章 逻辑回归
    • 3.1 从回归问题到分类问题
    • 3.2 从二元分类到多元分类、正则化,过拟合与欠拟合
  • 第四章 机器学习经典算法
    • 第五章 集成学习
      • 5.1 偏差和方差
      • 5.2 Bagging算法
      • 5.3 Boosting算法
      • 5.4 Stacking/Blending、Voting/Averaging算法
    • 第六章 其他机器学习算法
      • 6.1 无监督学习-聚类
      • 6.2 无监督学习-降维
      • 6.3 半监督学习
      • 6.4 自监督学习
      • 6.5 生成式学习
    • 第七章 自然语言处理
      • 7.1 自然语言概述
      • 7.2 词法分析、句法分析与语义分析
      • 7.3 语用分析与语料库
      • 7.4 信息检索、机器翻译与问答系统

    Taught by

    linsong

    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.