机器学习主流算法：从理论到实践

       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。

-- 讲师团队 --

        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。

-- 课程内容 --

      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）

-- 学习收获 --

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 开课时间 --

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。

-- 先修课程 参考书籍 --

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》。