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

XuetangX

机器学习

Dalian Minzu University via XuetangX

Overview

Google, IBM & Meta Certificates — All 10,000+ Courses at 40% Off
One annual plan covers every course and certificate on Coursera. 40% off for a limited time.
Get Full Access

       本课程是金普新区市域产教联合体(国家级市域产教联合体)首批金课、校智慧课程、校课程思政示范课。机器学习是一门新兴学科,《机器学习》是计算机学科智能化转型升级的重要课程,目前已经成为智能化人才培养的核心专业课程。课程主要讲授统计机器学习为主的基本概念、方法和技术。

       通过该课程的学习,学生可以掌握最小二乘法回归、Logistic回归分类、决策树、SVM、朴素贝叶斯、聚类、维数约减、人工神经网络、深度学习入门等技术。理工科学生,数学基础扎实,熟悉一门程序设计语言(最好为Python或Matlab)的同学可以修读。

      计算机类专业本科生,或对机器学习技术感兴趣的理工科类大学生,都可以线上学习。

Syllabus

  • 第一章 概述
    • 1.1 机器学习简介:让机器从数据中学习
    • 1.2 机器学习简介:核心要素与演进之路
    • 1.3 人工智能简介
  • 第二章 线性回归
    • 2.1线性回归模型
    • 2.2最小二乘法
    • 2.3 梯度下降法
    • 2.4 正则化
    • 2.5 最小二乘法实验
    • 2.6 第二章作业
  • 第三章 逻辑回归
    • 3.1 分类与概率建模需求
    • 3.2 Sigmoid函数与二分类
    • 3.3 极大似然估计与交叉熵损失
    • 3.4 逻辑回归的训练与实现
    • 3.5 分类模型的评估指标
    • 3.6 多分类扩展:OvR与Softmax
  • 第四章 K近邻算法
    • 4.1 K近邻算法原理
    • 4.2 距离度量与参数分析
  • 第五章 贝叶斯分类
    • 5.1 贝叶斯方法
    • 5.2 朴素贝叶斯
    • 5.3 朴素贝叶斯参数估计
    • 5.4 贝叶斯案例与实现
  • 第六章 决策树
    • 6.1 决策树原理
    • 6.2 决策树的特征选择
    • 6.3 决策树生成
  • 第七章 支持向量机
    • 7.1 支持向量机的基本原理
    • 7.2 线性支持向量机:硬间隔与软间隔
    • 7.3 非线性支持向量机与核方法
  • 第八章 无监督学习
    • 8.1 聚类
    • 8.2 降维基础
    • 8.3 经典降维方法SVD与PCA
  • 第九章 人工神经网络
    • 9.1 神经网络模型
    • 9.2 多层前馈网络与激活函数
    • 9.3 反向传播算法
  • 考试(期中期末)
    • 期中考试
    • 期末考试

Taught by

Haiyu Song, Wang zeyu, and Li 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.