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。
- 第1章: 贝叶斯分类
- 1-1：【课件】贝叶斯分类20170809.pdf
- 1-2：贝叶斯分类（包括朴素贝叶斯、贝叶斯决策论等）
- 1-3：【回放】贝叶斯分类
- 第2章: 回归与分类
- 2-1：【课件】回归与分类PPT
- 2-2：回归与分类（包括曲线拟合；线性回归以及logistic回归等）
- 2-3：【回放】回归与分类（包括曲线拟合；线性回归以及logistic回归等）
- 第3章: 支持向量机
- 3-1：支持向量机
- 3-2：支持向量机（包括线性支持向量机；非线性支持向量机以及核方法等）
- 3-3：【回放】支持向量机
- 第4章: 决策树
- 4-1：决策树20170816.pdf
- 4-2：决策树（包括决策树以及随机森林等）
- 4-3：【回放】决策树
- 第5章: EM算法
- 5-1：EM算法20170819.pdf
- 5-2：EM算法（包括EM算法基础、多高斯参数估计以及相关应用等）
- 5-3：【回放】EM算法
- 5-4：EM算法答疑与补充.pdf
- 第6章: 隐马尔科夫模型
- 6-1：HMM20170820.pdf
- 6-2：隐马尔科夫模型（包括马尔科夫、隐马尔科夫模型以及相关应用等）
- 6-3：【回放】隐马尔科夫模型
- 第7章: 聚类
- 7-1：聚类分析.pdf
- 7-2：聚类（包括K均值聚类以及层次聚类等）
- 7-3：【回放】聚类
- 第8章: 数据降维
- 8-1：特征选择与变换.pdf
- 8-2：数据降维（包括线性以及非线性降维等）
- 8-3：【回放】数据降维
- 第9章: Adaboost算法
- 9-1：集成学习.pdf
- 9-2：Adaboost算法（包括独立于算法的机器学习以及Adaboost算法等）
- 9-3：【回放】Adaboost算法
