Google, IBM & Meta Certificates – 40% Off
One plan covers every Professional Certificate on Coursera.
Unlock All Certificates
《机器学习》是人工智能领域的核心课程，旨在培养学生掌握数据驱动的算法设计能力。课程包括三部分：机器学习模型，机器学习学术论文读写、机器学习实验。
NY State-Licensed Certificates in Design, Coding & AI — Online
Learn AI, Data Science & Business — Earn Certificates That Get You Hired
Overview
Syllabus
- 第1章 绪论
- 1.1 绪论
- 第2章 模型评估与选择
- 2.1 模型评估与选择
- 第3章 线性模型
- 3.1 线性模型
- 第4章 决策树
- 4.1 决策树
- 第5章 深度学习基础与模型架构
- 5.1 神经网络概述
- 5.2 全连接神经网络
- 5.3 卷积神经网络
- 5.4 循环神经网络
- 5.5 网络优化与正则化
- 5.6 注意力机制
- 第6章 支持向量机
- 6.1 支持向量机
- 第7章 贝叶斯分类器
- 7.1 贝叶斯分类器
- 第8章 集成学习
- 8.1 集成学习
- 第9章 聚类
- 9.1 聚类
- 第10章 降维
- 10.1 降维
- 第11章 论文写作
- 11.1 机器学习必读论文精选与指南
- 11.2 如何读懂论文图表？
- 11.3 如何读懂论文摘要？
- 11.4 如何高效阅读科研前沿论文？
- 11.5 如何写口头报告及交流注意事项
- 11.6 如何写审稿回复？
- 11.7 如何写学术海报及交流注意事项
- 11.8 如何写学术论文？
- 第12章 AI在光线传感信号处理中的作用
- 12.1 AI在光纤传感信号处理中的作用
- 第13章 实验
- 13.1 全连接神经网络实验
- 13.2 卷积神经网络实验
- 13.3 LSTM实验
- 13.4 KNN模型的分类和回归实验
- 13.5 支持向量机的分类实验
- 13.6 k-means实验
- 13.7 PCA降维实验
- 期末考试
Taught by
Guangle Yao, Honghui Wang, Yuanyuan Wu, Xiaoyu Xu, and Ruijia Li
