机器学习是当前人工智能与大数据领域的基础，也是研究热点。在我们平时的科研或者工作中，都或多或少会用到机器学习的算法。本次课程，我们选取了科研以及企业界常用的9个机器学习算法，从背景到算法，算法到应用，逐步介绍。

-- 讲师团队 --

        邵博士，中科院自动化所博士毕业，主要研究方向包括机器学习、模式识别与图像处理。现任副教授、硕士生导师，具有两年教学授课经验，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。

       霍博士，西安电子科技大学博士，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。

-- 课程目录 --

1. 基础知识

    1.1 矩阵论基础知识

          课程内容：包括向量、矩阵演算；矩阵求导以及矩阵分解等

    1.2 概率论基础知识

          课程内容：包括常见分布介绍；参数估计以及信息熵等

    1.3 优化基础知识

          课程内容：包括拉格朗日乘子法；二次规划问题介绍以及梯度下降优化等

2. 机器学习主流算法

    2.1 贝叶斯分类

          课程内容：包括朴素贝叶斯、贝叶斯决策论等

    2.2 回归与分类

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

    2.3 支持向量机

          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

    2.4 聚类

          课程内容：包括K均值聚类以及层次聚类等

    2.5 数据降维

          课程内容：包括线性以及非线性降维等

    2.6 EM算法

          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

    2.7 隐马尔科夫模型

          课程内容：包括马尔科夫、隐马尔科夫模型以及相关应用等

    2.8 决策树

          课程内容：包括决策树以及随机森林等

    2.9 Adaboost算法

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

-- 参考书籍与先修课程 --

- 参考书籍 -

        《机器学习》周志华版、《模式分类》、《模式识别与机器学习》以及《视觉机器学习20讲》

- 先修课程 -

        高等数学、线性代数、概率论以及Matlab等编程语言的基础知识

-- 开课时间和形式 --

        8月2日~8月27日，连续4周（每周三、周六、周日晚上7点到9点）。在线直播课，直播后一年内可以随时回看视频。

-- 深蓝学院课程福利 --

       1. 在线直播授课，一年内随时可以视频回放；
       2. 课前、课中和课后均安排答疑，微信群内实时与讲师交流；
       3. 课程内容PPT提前向学员公开，程序源代码均公开给学员；
       4. 客服团队均为相关领域的博士。

-- 实时答疑实例 --

联系客服 开启学习之路