课程概述

本课作为深度学习系列课程的第一阶段，介绍机器学习的基本概念，原理，以及常用算法（如决策树，支持向量机，神经网络算法等）。以Python语言为工具对每种算法进行结合实例讲解。学生学完本课程后将会理解机器学习的常用算法原理，并会使用Python中相关的package来对实际问题进行数据预处理，分类和回归分析。为开发机器学习相关应用打下必要基础，同时也为学习深度学习进阶课程打下必要基础。

授课老师

彭亮

学校/机构：麦子学院
职位：金牌讲师

课程特色

1.深入浅出帮助学员理解机器学习的基本概念、原理以及常用算法；

2.学完本课程后，能够根据已掌握的机器学习算法以及应用框架来通过分类以及回归等解决实际问题；

3.本课程涵盖机器学习的构成要素和机器学习任务、逻辑模型、几何模型、统计模型等重点知识，为开发机器学习相关应用打下必要基础。

常见问题

1. 本课程的适用对象是？

1）对机器学习，数据挖掘和人工智能相关算法以及应用感兴趣的人
2）对机器学习，数据挖掘和人工智能领域有所了解，想深入理解这些领域的重要算法及应用的人

2. 学习课程前需要具备哪些知识？

1）对概率的基本概念有所了解
2）具有微积分和线性代数的基本知识
3）有一定编程的基础（有一定Python基础的更佳）

3. 什么是机器学习？

机器学习是多领域交叉学科，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。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。如语音识别、自动驾驶、语言翻译等都是机器学习的应用。

相关教参

程序员的数学

 

[日] 结城浩 编著；管杰 译
人民邮电出版社

机器学习

 

[英] 弗拉赫（Peter Flach） 编著；段菲 译
人民邮电出版社

数据挖掘 概念与技术

 

[美] Jiawei Han等 编著；范明，孟小峰 译
机械工业出版社

图解机器学习

 

[日] 杉山将 编著；许永伟译
人民邮电出版社

相关课程