Skip to main content

3.机器学习导论

关于这门课程

机器学习是人工智能的一个分支,是实现人工智能的一个途径。机器学习在近30多年已发展为一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、计算复杂性理论等多门学科。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。
机器学习算法是一类从数据中自动分析、获得规律,并利用规律对未知数据进行预测的算法。因为学习算法中涉及了大量的统计学理论,机器学习与推断统计学联系尤为密切,也被称为统计学习理论。本课程围绕经典机器学习算法组织内容,通过学习这些内容,学生能够掌握这些算法的原理、特性和使用场景,为解决其它现实问题丰富自己的“工具箱”。
机器学习已广泛应用于数据挖掘、计算机视觉、自然语言处理、生物特征识别、搜索引擎、医学诊断、检测信用卡欺诈、证券市场分析、DNA序列测序、语音和手写识别、战略游戏和机器人等领域。

本课程试图从一元回归问题讲起,落脚在人工神经网络。每周的内容是在真实数据集上构建模型,观察模型的特性,并探讨改进的方法,其间对涉及到的概念和方法做较深入的讨论,使教学内容联系实际问题。

预备知识

高等数学,线性代数,概率统计,Python 程序设计基础

主讲教师——董峦

Course Staff Image #1
  1. Course Number

    Machine Learning
  2. Classes Start

  3. Classes End

  4. Estimated Effort

    06:00
Enroll