机器学习(Machine Learning,ML)是一门多领域交叉学科, 涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。它是人工智能的核心,是使计算机具有智能的根本途径。目前,机器学习被广泛应用于专家系统、认知模拟、规划和问题求解、数据挖掘、网络信息服务、图象识别、故障诊断、自然语言理解、机器人和博弈等领域。本次课程,我们选取了科研以及企业界常用的10个机器学习算法,从背景到算法,算法到实践(课程主要采用Python2语言),逐步介绍。
邵老师,现任副教授、硕士生导师,中科院自动化所博士毕业,具有两年教学授课经验。主要研究方向包括机器学习、模式识别,作为项目负责人承担国家自然科学基金,在国际主流期刊和会议上发表论文数篇。
霍老师,计算机视觉领域一线青年学者,西安电子科技大学博士毕业,研究方向为图像处理,主持和参与多项国家自然科学基金,以第一作者在相关领域期刊以及会议上发表论文多篇。
1.基础预习(自修内容)
2. 机器学习概述与KNN分类器(2学时)
3.贝叶斯分类(2学时)
4.回归与分类(2学时)
5.支持向量机(2学时)
6.聚类(2学时)
7.数据降维(2学时)
8.EM算法(2学时)
9.决策树(2学时)
10.Adaboost算法(2学时)
11.隐马尔科夫模型(2学时)
通过本课程的学习,你可以:
1. 快速掌握基础的10种机器学习算法知识;
2. 快速获得基础的10种机器学习算法实现能力;
3. 获得一对一的学习路线规划服务。
学习方式:
1. 在线直播授课,直播后一年内可以无限次回放;
2. 微信答疑群内实时答疑;
3. 课程ppt提前公开给学员,便于课前预习;
4. 课后向学员公开课程源代码,便于课后练习。
开课时间:
11月30号到12月21号,连续四周的周四、周六、周日晚上7~9点进行直播授课。
1. 先修课程
高等数学、线性代数、概率论以及Python的基础知识;
2. 参考书籍
机器学习参考书籍为《机器学习》周志华版、《模式分类》以及《模式识别与机器学习》;
Python语言参考书籍为《Python学习手册》。
非常抱歉!本站不支持旧版本IE浏览器~~建议使用IE10/IE11/Chrome/Firefox/Safari等高级浏览器浏览。