机器学习主流算法:从理论到实践
机器学习主流算法:从理论到实践
  • 学习有效期
  • 学习人数
  • 永久有效
  • 216
  • 承诺服务
  • 课程满意度
课程价格 ¥499.00
课程介绍

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. 机器学习概述(2学时)

            课程内容:机器学习方法分类以及基础知识介绍,KNN算法介绍等

      2. 数学基础知识(6学时)

            内容包括:概率论基础知识、矩阵论基础知识、优化基础知识等。

      3. KNN分类器(2学时)

            课程内容:KNN算法介绍等

      4. 贝叶斯分类(2学时)

            课程内容:包括朴素贝叶斯、贝叶斯决策论等

      5. 回归与分类(2学时)

            课程内容:包括曲线拟合;线性回归以及logistics回归等

      6. 支持向量机(2学时)

            课程内容:包括线性支持向量机;非线性支持向量机以及核方法等

      7. 聚类(2学时)

            课程内容:包括K均值聚类以及层次聚类等

      8. 数据降维(2学时)

            课程内容:包括线性以及非线性降维等

      9. EM算法(2学时)

            课程内容:包括EM算法基础、多高斯参数估计以及相关应用等

      10. 决策树(2学时)

            课程内容:包括决策树以及随机森林等

      11. Adaboost算法(2学时)

            课程内容:包括独立于算法的机器学习以及Adaboost算法等

      12. 隐马尔科夫模型(2学时)

            课程内容:包括马尔科夫、隐马尔科夫模型以及相关应用等

 

报名方式

       添加助教宇轩微信(shenlanedu)报名咨询

 

课程特色

        1、课程学习结束,根据每次作业的分数,评选优秀学员;

        2、优秀学员获得深蓝学院认证的学习证书; 

        3、优秀学员可推荐至实习或者就业。

 

先修课程

           先修课程:

                高等数学、线性代数、概率论以及Python的基础知识;

           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》。

 

学习收获

           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。

授课教师

副教授,硕导
讲师

关于课程

开课时间

2017年12月3日-2018年1月3日,每周三、周六、周天晚上7点-9点进行授课;

 

学习方式

1、报名课程后将加入微信答疑群,与讲师直接沟通,实时答疑;

2、如需缓存视频,可下载深蓝学院安卓版APP或IOS版APP;

3、请同学们留出 4 个小时左右的时间用于课程习题,以更好的吸收课程知识。